論文の概要: DROM: A Language-Guided Diffusion Framework for Multi-Skill Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2609.37348v1
• Date: Tue, 29 Sep 2026 12:15:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.473056
• Title: DROM: A Language-Guided Diffusion Framework for Multi-Skill Robotic Manipulation
• Title（参考訳）: DROM:マルチスキルロボットマニピュレーションのための言語誘導拡散フレームワーク
• Abstract要約: DROMは言語誘導拡散フレームワークで、ロボットが複数の操作スキルを学び、表現し、構成することができる。 DROMはDynamic Movement Primitives(DMP)を活用して,少数の専門家によるデモを,表現力のあるマルチスキルデータセットに拡張する。 我々は,FANUC CRX25iaロボットであるFranka Emika PandaロボットとMuJoCoシミュレーションを用いてDROMを検証する。
• 参考スコア（独自算出の注目度）: 3.3465186369983364
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning robust manipulation policies for diverse, long-horizon tasks from limited demonstrations remains a fundamental challenge in robotics. We present DROM, a language-guided diffusion framework that enables robots to learn, represent, and compose multiple manipulation skills within a single generative policy. DROM leverages Dynamic Movement Primitives (DMPs) to augment a small set of expert demonstrations into expressive multi-skill datasets, substantially reducing data collection while improving spatial generalization beyond the demonstrated workspace. Building upon Motion Planning Diffusion (MPD), we extend the diffusion architecture to support language-conditioned multi-skill trajectory generation through cross-attention, allowing a single model to generate skill-consistent motions for a diverse set of manipulation primitives, including orientation-sensitive behaviors that are difficult to design using conventional motion planning or hard-coded controllers. For long-horizon manipulation, a large language model decomposes high-level operator requests into executable sequences of skills, enabling natural language interaction and autonomous task execution. We validate DROM on a Franka Emika Panda robot, a FANUC CRX25ia robot, and in MuJoCo simulation across a wide range of manipulation tasks. Experimental results demonstrate that DROM outperforms Motion Planning Diffusion and Behavior Cloning baselines, achieves robust multi-skill generalization, and composes learned skills to reliably execute long-horizon manipulation tasks from natural language instructions using only a limited number of human demonstrations. Datasets, simulation environments, and more at https://github.com/automation-robotics-machines/drom.
• Abstract（参考訳）: 限られたデモンストレーションから多種多様な長期タスクに対する堅牢な操作ポリシーを学ぶことは、ロボティクスにおける根本的な課題である。 DROMは、ロボットが単一の生成ポリシー内で複数の操作スキルを学習し、表現し、構成することを可能にする言語誘導拡散フレームワークである。 DROMはダイナミックモーションプリミティブ(Dynamic Movement Primitives, DMP)を利用して、少数の専門家によるデモを表現力のあるマルチスキルデータセットに拡張し、データ収集を大幅に削減し、実証されたワークスペースを超えて空間の一般化を改善している。 動作計画拡散(MPD)に基づいて,言語条件付きマルチスキル軌道生成をサポートするために拡散アーキテクチャを拡張し,従来の動作計画やハードコード制御を用いた設計が難しい方向依存動作を含む,多様な操作プリミティブに対して,単一のモデルでスキル一貫性のある動作を生成できるようにする。 長期の操作のために、大規模な言語モデルは、ハイレベルなオペレーター要求を実行可能なスキルのシーケンスに分解し、自然言語のインタラクションと自律的なタスク実行を可能にする。 我々は,FANUC CRX25iaロボットであるFranka Emika PandaロボットとMuJoCoシミュレーションを用いてDROMを検証する。 実験の結果,DROMは動作計画拡散・行動クローンのベースラインより優れ,堅牢なマルチスキルの一般化を実現し,限られた数の人間によるデモンストレーションのみを用いて,自然言語命令から長期操作タスクを確実に実行するための学習スキルを構成することがわかった。 データセットやシミュレーション環境などはhttps://github.com/automation-robotics-machines/drom.comで公開されている。

関連論文リスト

• Learning Diffusion Policy from Primitive Skills for Robot Manipulation [36.95867683028485]
  拡散政策(DP)は近年,ロボット操作における行動の生成において大きな期待を抱いている。 本稿では,解釈可能なスキル学習と条件付きアクションプランニングを統合した,スキル条件付きDPであるSDPを提案する。
  論文  参考訳（メタデータ） (2026-01-05T09:56:24Z)
• RoboBrain: A Unified Brain Model for Robotic Manipulation from Abstract to Concrete [27.814422322892522]
  MLLM(Multimodal Large Language Models)は、様々なマルチモーダルコンテキストにまたがる顕著な機能を示す。 計画能力、順応知覚、軌道予測の3つの重要なロボット脳能力が欠如している。 タスク計画やオブジェクトの空き時間,エンドエフェクタの軌道といった多次元情報をラベル付けしたデータセットであるShareRobotを紹介する。 ロボットと一般的なマルチモーダルデータを組み合わせたMLLMベースのモデルであるRoboBrainを,マルチステージトレーニング戦略を用いて開発する。
  論文  参考訳（メタデータ） (2025-02-28T17:30:39Z)
• LLaRA: Supercharging Robot Learning Data for Vision-Language Policy [56.505551117094534]
  我々はLLaRA: Large Language and Robotics Assistantを紹介した。 まず、既存の行動クローニングデータセットからロボットのための会話スタイルの指導データを生成する自動パイプラインを提案する。 このようなデータセットを限定的に微調整したVLMは、ロボット制御において有意義な行動決定を導出できることを示す。
  論文  参考訳（メタデータ） (2024-06-28T17:59:12Z)
• DiffGen: Robot Demonstration Generation via Differentiable Physics Simulation, Differentiable Rendering, and Vision-Language Model [72.66465487508556]
  DiffGenは、微分可能な物理シミュレーション、微分可能なレンダリング、ビジョン言語モデルを統合する新しいフレームワークである。 言語命令の埋め込みとシミュレートされた観察の埋め込みとの距離を最小化することにより、現実的なロボットデモを生成することができる。 実験によると、DiffGenを使えば、人間の努力やトレーニング時間を最小限に抑えて、ロボットデータを効率よく、効果的に生成できる。
  論文  参考訳（メタデータ） (2024-05-12T15:38:17Z)
• MEIA: Multimodal Embodied Perception and Interaction in Unknown Environments [82.67236400004826]
  本稿では,自然言語で表現されたハイレベルなタスクを実行可能なアクションのシーケンスに変換するための,MEIA(Multimodal Embodied Interactive Agent)を提案する。 MEMモジュールは、多様な要件とロボットの能力に基づいて、MEIAが実行可能なアクションプランを生成することを可能にする。
  論文  参考訳（メタデータ） (2024-02-01T02:43:20Z)
• VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Language Models [38.503337052122234]
  大規模言語モデル(LLM)は、ロボット操作のために抽出できる豊富な行動可能な知識を持っていることが示されている。 我々は,オープンな命令セットとオープンなオブジェクトセットが与えられた様々な操作タスクに対して,ロボット軌道を合成することを目指している。 筆者らは,接触に富んだインタラクションを含むシーンのダイナミックスモデルを効率的に学習することで,提案フレームワークがオンライン体験の恩恵を享受できることを実証する。
  論文  参考訳（メタデータ） (2023-07-12T07:40:48Z)
• Transferring Foundation Models for Generalizable Robotic Manipulation [82.12754319808197]
  インターネット規模の基盤モデルによって生成された言語推論セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。 提案手法は,オブジェクトのポーズを効果的かつ堅牢に知覚し,サンプル効率のよい一般化学習を可能にする。 デモは提出されたビデオで見ることができ、より包括的なデモはlink1またはlink2で見ることができます。
  論文  参考訳（メタデータ） (2023-06-09T07:22:12Z)
• VIMA: General Robot Manipulation with Multimodal Prompts [82.01214865117637]
  ロボット操作タスクの幅広い範囲をマルチモーダルプロンプトで表現できることを示す。 我々は,数千の手続き的に生成されたテーブルトップタスクからなる新しいシミュレーションベンチマークを開発した。 我々は、これらのプロンプトを処理し、自動回帰的に運動動作を出力するトランスフォーマーベースのロボットエージェントVIMAを設計する。
  論文  参考訳（メタデータ） (2022-10-06T17:50:11Z)
• Reshaping Robot Trajectories Using Natural Language Commands: A Study of Multi-Modal Data Alignment Using Transformers [33.7939079214046]
  我々は、人間とロボットのコラボレーションのための柔軟な言語ベースのインタフェースを提供する。 我々は、ユーザコマンドをエンコードする大規模言語モデルの分野における最近の進歩を生かしている。 言語コマンドによって修正されたロボット軌跡を含むデータセット上で、模倣学習を用いてモデルを訓練する。
  論文  参考訳（メタデータ） (2022-03-25T01:36:56Z)

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。