論文の概要: FP2: Equipping Robotic Foundation Models with Force Control

• arxiv url: http://arxiv.org/abs/2609.37433v1
• Date: Tue, 29 Sep 2026 12:58:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.50226
• Title: FP2: Equipping Robotic Foundation Models with Force Control
• Title（参考訳）: FP2:力制御によるロボット基礎モデルの取得
• Abstract要約: 本稿では,タスク適応型RAMと明示的な力制御を備えた軽量インタフェースFP2を提案する。 実世界の4つのコンタクトリッチな操作タスクにまたがる4つのRAMバックボーンを用いたFP2の評価を行った。
• 参考スコア（独自算出の注目度）: 32.27156879281508
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Robotic foundation models (RFMs) are increasingly capable of general-purpose manipulation, yet reliable physical interaction remains challenging in contact-rich settings. We present FP2, a lightweight downstream interface that equips task-adapted RFMs with explicit force control while preserving their action-generation capability. FP2 adopts an action-regulation decomposition: the task-adapted RFM serves as a foundation policy responsible for task-level action generation, while a high-frequency force control policy focuses solely on interaction regulation. To condition force regulation on the ongoing manipulation, FP2 compresses foundation-policy contextual representations and combines them with wrench and proprioceptive histories to predict structured force-control parameters. We evaluate FP2 with four RFM backbones across four real-world contact-rich manipulation tasks. FP2 consistently improves task performance and force regulation quality over the corresponding foundation policies, while comparing favorably with representative force-aware and force-control baselines. Ablations further show that foundation-policy context and physical feedback are complementary for effective force regulation, while preserving foundation-policy action generation improves both efficiency and novel-object generalization. Project website: http://force-policy.github.io/fp2
• Abstract（参考訳）: ロボット基礎モデル(RFM)は、汎用的な操作が可能になっているが、コンタクトリッチな設定では信頼性の高い物理的相互作用が困難である。 動作生成能力を保ちながら,タスク適応型RAMに明示的な力制御を持たせる軽量な下流インタフェースFP2を提案する。 FP2は、タスク適応RAMはタスクレベルのアクション生成に責任を持つ基本ポリシーとして機能し、高周波の力制御ポリシーは相互作用の規制にのみ焦点をあてる。 FP2は、現在進行中の操作に力の規制を課すため、基礎と政治の文脈表現を圧縮し、それらをレンチと受容の履歴と組み合わせ、構造化された力の制御パラメータを予測する。 実世界の4つのコンタクトリッチな操作タスクにまたがる4つのRAMバックボーンを用いたFP2の評価を行った。 FP2は、対応する基本方針よりもタスク性能と強制規制品質を一貫して改善し、代表的力認識および強制制御ベースラインと良好に比較する。 アブレーションは、基礎政治の文脈と物理的フィードバックが効果的な力規制の補完であり、基礎政治の行動生成を保存することは、効率と新規目的の一般化の両方を改善することを示している。 プロジェクトウェブサイト: http://force-policy.github.io/fp2

関連論文リスト

• TAO-Force: Unifying Force-Aware Perception and Fast-Slow Control for Contact-Rich Manipulation [8.394835304414192]
  本稿では,力覚政策学習と接触制御実行を組み合わせた強制条件付きVLAフレームワークTAO-Forceを提案する。 力覚認識のために、TAO-ForceはF-FiLM(Force-conditioned Feature-wise Linear Modulation)を導入し、凍結した視覚言語バックボーンの表現にエンコードされた力フィードバックを注入する。 応答性制御には、非接触相における名跡軌跡追跡の遅い位置制御分岐と、接触相における物理的相互作用を制御する高速アプタンス制御分岐と、接触ゲート型高速スローアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2026-09-16T11:34:45Z)
• ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching [53.30290192030814]
  ForceFlowは、フローマッチングに基づいて構築された、フォース対応のリアクティブフレームワークである。 ForceFlowは、強力なベースラインであるForceVLAよりも37%の成功率の向上を実現している。 また、接触力の自己調節において、正確な力信号予測と優れた性能を示す。
  論文  参考訳（メタデータ） (2026-05-11T13:27:00Z)
• ForceVLA2: Unleashing Hybrid Force-Position Control with Force Awareness for Contact-Rich Manipulation [75.39847750457626]
  エンドツーエンドの視覚言語アクションフレームワークであるForceVLA2は、ハイブリッドな力配置制御と明示的な力覚を備えたロボットを装備する。 学習と評価を支援するために,5つの接触豊富なタスクに1,000の軌道を含むForceVLA2-Datasetを構築した。 実験により、ForceVLA2は接触リッチな操作における成功率と信頼性を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2026-03-16T12:03:58Z)
• Master Micro Residual Correction with Adaptive Tactile Fusion and Force-Mixed Control for Contact-Rich Manipulation [11.467329921917546]
  M2-ResiPolicyは、高レベルのアクションガイダンスと低レベルの修正を相乗化する新しいマスターマイクロ残差制御アーキテクチャである。 M2-ResiPolicyは標準拡散政策と最先端のリアクティブ拡散政策を著しく上回っている。
  論文  参考訳（メタデータ） (2026-03-16T11:47:52Z)
• Force Policy: Learning Hybrid Force-Position Control Policy under Interaction Frame for Contact-Rich Manipulation [55.969741720077565]
  コンタクトリッチな操作は、人間のような知覚と力のフィードバックの統合を要求する。 既存の学習ベースのポリシは、これらの役割をモノリシックなネットワークに束縛することが多い。 本研究では,グローバル・ローカル・ビジョン・フォース・ポリシーを提案する。このポリシーでは,グローバル・グローバル・ポリシーが視覚を用いて自由空間動作を誘導し,接触時に,力フィードバックによる高周波ローカル・ポリシーが相互作用フレームを推定し,安定した相互作用のためのハイブリッド・フォース・ポジション・コントロールを実行する。
  論文  参考訳（メタデータ） (2026-02-25T16:35:24Z)
• ForceVLA: Enhancing VLA Models with a Force-aware MoE for Contact-rich Manipulation [62.58034332427291]
  ForceVLAは、新しいエンドツーエンド操作フレームワークである。 外部力センシングは、VLAシステム内の第一級のモダリティとして扱う。
  論文  参考訳（メタデータ） (2025-05-28T09:24:25Z)

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。