論文の概要: Fiatlux: A Long-Horizon Benchmark for Humanoid Ladder Climbing and Light-Bulb Replacement

• arxiv url: http://arxiv.org/abs/2609.38216v1
• Date: Sun, 27 Sep 2026 03:54:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.390382
• Title: Fiatlux: A Long-Horizon Benchmark for Humanoid Ladder Climbing and Light-Bulb Replacement
• Title（参考訳）: Fiatlux:Humanoid Ladder ClimbingとLight-Bulbリプレースのための長期ベンチマーク
• Abstract要約: NVIDIA Isaac Lab上に構築されたライトバブル代替ベンチマークであるFiatluxを紹介します。 あるエピソードでは、ユニトリーG1が天井や壁の固定具の下に階段を置き、使用済み電球を新しいものに交換し、使用済み電球を廃棄枠に残し、難易度ゲートで測定された12のサブタスク環境に分解する。 ゴールは、新しい電球を着座させ、使用済みの電球を配置し、どちらも落とさず、不安定さを乗り越えることである。
• 参考スコア（独自算出の注目度）: 5.295281350028578
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing benchmarks evaluate tabletop manipulation, flat-floor household activity, or humanoid locomotion and manipulation as separate task groups; none scores vertical mobility and dexterous work on a fragile payload in one long-horizon episode. We present Fiatlux, a light-bulb replacement benchmark built on NVIDIA Isaac Lab. In one episode, a Unitree G1 humanoid positions a step ladder under a ceiling or wall fixture, climbs it, exchanges a spent bulb in a socket for a fresh one, and leaves the spent one in a disposal crate. We decompose the episode into twelve subtask environments scored on difficulty-weighted gates. The goal is a successful replacement, with the fresh bulb seated, the spent one disposed of, neither dropped, and a fragility bound not crossed. Runs that fall short can earn partial credit. Observations are split into a standard mode (signals a physical robot could sense or estimate) and a privileged mode (exact simulator state). We specify the evaluation protocol and provide reference baseline implementations spanning RSL-RL PPO, zero-shot NVIDIA GR00T N1.7 Vision-Language-Action (VLA) models, and whole-body controllers. Additionally, we provide the teleoperated recordings used to specify and check the success gates. The benchmark code and the teleoperated recordings are available at fiatlux-bench.github.io.
• Abstract（参考訳）: 既存のベンチマークでは、テーブルトップ操作、フラットフロアの家庭活動、ヒューマノイドの移動と操作を別のタスクグループとして評価している。 NVIDIA Isaac Lab上に構築されたライトバブル代替ベンチマークであるFiatluxを紹介します。 あるエピソードでは、ユニトリーG1のヒューマノイドが天井や壁の固定具の下に階段を置き、それを登り、新しいもののためにソケットに使用済みの電球を交換し、使用済みの電球を廃棄箱に残す。 難易度ゲート上の12のサブタスク環境にエピソードを分解する。 ゴールは、新しい電球を着座させ、使用済みの電球を配置し、決して落とさず、不安定さを乗り越えることである。 不足しているランは、部分的な信用を得ることができます。 観測は標準的なモード(物理ロボットが感知または推定できる信号)と特権モード(正確にはシミュレータの状態)に分けられる。 評価プロトコルを規定し,RSL-RL PPO,ゼロショットNVIDIA GR00T N1.7 Vision-Language-Action(VLA)モデルおよび全身コントローラにまたがる基準ベースライン実装を提供する。 また,成功ゲートの特定・確認に使用する遠隔操作記録も提供する。 ベンチマークコードと遠隔操作記録はfiatlux-bench.github.ioで入手できる。

関連論文リスト

• StellaVLA: In-Context Structured Demonstration for Generalizable Vision-Language-Action Models [37.45050514108603]
  本稿では,検索した1つのデモを条件付けして,テスト時に適応するフレームワークであるStellaVLAを紹介する。 自動オフラインパイプラインは、各生の軌跡を、例えばタスクプラン、サブゴール記述、言語化された3Dモーションなどの構造化されたデモに変換する。 並列な二重訓練設計は、この推論を共同行動および言語目的を通じて内部化し、推論はアクションエキスパートのみを使用する。
  論文  参考訳（メタデータ） (2026-08-12T05:30:53Z)
• ValueFormer: A Causal Transformer Value Function with Stage-Aware Labels for Semi-Autonomous Vision-Language-Action Policies [0.576537956677604]
  本稿では,凍結したDINOv3バックボーン上の因果変換器であるValueFormerを紹介する。 障害エピソードには、障害ステージ前の成功曲線を保存するステージ認識、成功テーマデカイリターンとラベル付けされ、単一の障害時間ではなく、ミス間隔から検出が監視される。
  論文  参考訳（メタデータ） (2026-08-03T23:46:39Z)
• DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
  このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。 DemoBridgeの中核は、衝突を意識した単一のプランナーである。 物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
  論文  参考訳（メタデータ） (2026-07-10T15:31:04Z)
• DIRECT: When and Where Should You Allocate Test-Time Compute in Embodied Planners? [57.585275546688116]
  VLM(Vision-Language Models)は、エンボディエージェントの高レベルプランナーとしてますます普及している。 テストタイムの計算をいつ、どこで使うかを選択することは、実際の世界にフロンティアパフォーマンスをもたらす中心である、と私たちは主張する。 我々はマルチモーダルシーンコンテキストを用いてプロンプト毎に計算を割り当てるルーティングフレームワークであるDIRECTを紹介した。
  論文  参考訳（メタデータ） (2026-06-10T17:58:49Z)
• SeeTraceAct: Visibility-Aware Latent Planning from Cross-Embodiment Demonstration Videos [44.63355306601846]
  本研究では,視覚言語行動モデル(VLA)について検討する。 SeeTraceActは、将来のエンドエフェクタトレースの可視性を考慮した予測を通じて、正確な空間的接地を促進する。 RoboCasa-DCの実験と、Franka Pandaの腕が人間のデモで条件付けられている実世界のベンチマークは、SeeeTraceActがベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-06-01T18:09:31Z)
• Health-Conditioned Vision-Language-Action Models for Malfunction-Aware Robot Control [9.298859661007887]
  本稿では,ロボット関節の動作角度とトルク能力に関する情報を提供する入力として,健康ベクトルを入力として用いた誤動作対応VLAを紹介する。 我々は,リベロ・空間課題の遠隔操作エピソード128件を収集する。 以上の結果から, 軽量化により, 変形した関節の異なる構成で, モデルが正常に動作できることが示唆された。
  論文  参考訳（メタデータ） (2026-05-15T15:21:39Z)
• TrajBooster: Boosting Humanoid Whole-Body Manipulation via Trajectory-Centric Learning [79.59753528758361]
  両足のVLAを促進するために、豊富な車輪付きヒューマノイドデータを活用するクロス・エボディメント・フレームワークであるTrajBoosterを提案する。 私たちのキーとなる考え方は、形態素に依存しないインターフェースとして、エンドエフェクタ・トラジェクトリを使用することです。 以上の結果から,TrajBoosterは既存の車輪付きヒューマノイドデータにより,二足歩行ヒューマノイドVLAの性能を効率的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2025-09-15T12:25:39Z)
• NaVILA: Legged Robot Vision-Language-Action Model for Navigation [60.00462044102051]
  人間の言語命令を低レベルの脚関節動作に翻訳するのは簡単ではない。 そこで我々は,VLA(Vision-Language-Action Model)とロコモーションスキルを一体化した2レベルフレームワークであるNaVILAを提案する。 NaVILAは既存のベンチマークのアプローチを大幅に改善している。
  論文  参考訳（メタデータ） (2024-12-05T18:58:17Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)

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。