論文の概要: Recovering the View: Benchmarking Physical Active Vision for Occlusion Recovery in Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2609.37292v1
• Date: Tue, 29 Sep 2026 11:33:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.444617
• Title: Recovering the View: Benchmarking Physical Active Vision for Occlusion Recovery in Robotic Manipulation
• Title（参考訳）: 視界の回復:ロボットマニピュレーションにおける咬合回復のための身体活動ビジョンのベンチマーク
• Abstract要約: 物理的なアクティブビジョンは、タスク関連観測が信頼性を損なうと、ロボットが視点を変えることを可能にする。 BAVO-Benchは、クリーン、ステージオクルージョン、ランダム時間オクルージョンによる外部視認性を制御するバイマニュアルアクティブビジョンベンチマークである。 本稿では,共同視点と操作制御のためのアクティブビジョンポリシーであるA-FAR(Active Future-Aware Recovery)を提案する。
• 参考スコア（独自算出の注目度）: 41.49608776044367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical active vision allows robots to change their viewpoint when task-relevant observations become unreliable, yet existing manipulation benchmarks provide limited support for studying how policies recover from occlusion during execution. We introduce BAVO-Bench (Bimanual Active Vision under Occlusion), a bimanual active-vision benchmark that systematically controls external visibility through Clean, Stage Occlusion, and Random-time Occlusion conditions, enabling evaluation of both manipulation performance and active visual recovery. Building on this setting, we present A-FAR (Active Future-Aware Recovery), an active-vision policy for joint viewpoint and manipulation control. A-FAR represents moving-camera observations in a unified robot-centric 3D frame and distills relational structure together with its future evolution from a pretrained 4D model, providing the policy with future-aware geometric guidance without requiring future observations at deployment. Experiments across multiple manipulation tasks show that A-FAR improves robustness to both structured and temporally shifted occlusions while maintaining strong performance under clean observations.
• Abstract（参考訳）: 物理的なアクティブビジョンは、タスク関連観測が信頼できないようになるとロボットの視点を変えることができるが、既存のベンチマークでは、実行中にポリシーが隠蔽から回復する方法を限定的にサポートしている。 BAVO-Bench (Bimanual Active Vision under Occlusion) は、クリーン、ステージオクルージョン、ランダム時間オクルージョン条件を通じて外部視界を体系的に制御し、操作性能とアクティブな視覚回復の両立を可能にするバイマンアクティブビジョンベンチマークである。 この設定に基づいて,共同視点と操作制御のためのアクティブビジョンポリシーであるA-FAR(Active Future-Aware Recovery)を提案する。 A-FARは、ロボット中心の3Dフレームにおける移動カメラの観察を表現し、事前訓練された4Dモデルから将来の進化とともに関係構造を蒸留し、将来の観測を必要とせずに将来の幾何学的ガイダンスを提供する。 複数の操作タスクにわたる実験により、A-FARは、クリーンな観察の下で強い性能を維持しながら、構造化および時間的にシフトした閉塞に対して堅牢性を向上させることが示された。

関連論文リスト

• LIBERO-VPro: Benchmarking Closed-Loop Visual Robustness of Robotic Foundation Models [61.038310084204056]
  本稿では,ロボット基礎モデルの閉ループ視覚的堅牢性を評価するためのベンチマークであるLIBERO-VProを紹介する。 約196,000回にわたって3つの視覚言語行動モデルと3つの世界行動モデルを評価した。 以上の結果から,強い名目性能は視覚的接地や適応において重大な弱点を隠蔽する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-09-21T09:43:41Z)
• FutureVLA: Joint Visuomotor Prediction for Vision-Language-Action Model [73.03346643967309]
  我々は、効果的な共同運動予測モデルには、時間的連続性と視覚的条件による監督的疎結合の両方が必要であると論じる。 FutureVLAは、視覚情報と運動情報を最初に分離することで、関節振動子埋め込みを抽出するように設計されている。 訓練後の段階において、我々は遅延埋め込みアライメント戦略を採用し、様々な下流VLAモデルによりこれらの時間的先行を内部化することができる。
  論文  参考訳（メタデータ） (2026-03-11T12:39:55Z)
• See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
  本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
  論文  参考訳（メタデータ） (2026-03-10T07:22:51Z)
• \textsc{NaVIDA}: Vision-Language Navigation with Inverse Dynamics Augmentation [50.027425808733994]
  textscNaVIDAは、ポリシー学習とアクショングラウンドの視覚力学と適応実行を結合した統合VLNフレームワークである。 textscNaVIDAは、チャンクベースの逆ダイナミクスによるトレーニングを強化し、視覚変化と対応するアクションの因果関係を学習する。 実験の結果,textscNaVIDAはパラメータが少ない最先端の手法に比べてナビゲーション性能が優れていることがわかった。
  論文  参考訳（メタデータ） (2026-01-26T06:16:17Z)
• ReViP: Reducing False Completion in Vision-Language-Action Models with Vision-Proprioception Rebalance [50.05984919728878]
  本稿では、視覚的接地と摂動下での堅牢性を高めるために、視覚-受容器リバランスを備えた新しいVLAフレームワークReViPを提案する。 具体的には、タスクステージオブザーバとして外部VLMを使用して、視覚的な観察からリアルタイムなタスク中心の視覚的手がかりを抽出する。 本稿では,オブジェクトドロップのような制御された設定を持つLIBERO上に構築された最初のFalse-Completion Benchmark Suiteを提案する。
  論文  参考訳（メタデータ） (2026-01-23T11:31:07Z)
• Observe Then Act: Asynchronous Active Vision-Action Model for Robotic Manipulation [19.17977467107072]
  本モデルでは,カメラのNext-Best-View(NBV)ポリシーとグリップのNext-Best Pose(NBP)ポリシーを直列接続し,数発の強化学習を用いてセンサ・モーター協調フレームワークでトレーニングする。 このアプローチにより、エージェントは3人称カメラを調整し、タスクゴールに基づいて環境を積極的に観察し、その後に適切な操作行動を推測することができる。 その結果,操作タスクにおける視覚的制約処理の有効性を示すとともに,ベースラインアルゴリズムを一貫して上回る結果が得られた。
  論文  参考訳（メタデータ） (2024-09-23T10:38:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。