論文の概要: Whole-Body Aerial Grasping and Lifting via Partial Visual Observations

• arxiv url: http://arxiv.org/abs/2610.00404v1
• Date: Wed, 30 Sep 2026 13:14:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.63662
• Title: Whole-Body Aerial Grasping and Lifting via Partial Visual Observations
• Title（参考訳）: 部分的視覚的観察による全体エアリアルグラスピングとリフティング
• Abstract要約: 空中グリップ・アンド・リフトのタスクは、アプローチ、取得、リフトの全体調整を必要とする。 本稿では,飛行,腕の動き,グリップの閉鎖を共同で指揮するシミュレーションにおいて,一貫した政策を学習する教師支援フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 21.983235374245993
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Aerial grasp-and-lift tasks require whole-body coordination across approach, acquisition, and lifting under partial target observations. Early approach failures can limit exposure to later task stages during training, while changing visibility complicates alignment and closure timing during execution. We present a recurrent teacher-student framework that learns a single policy in simulation to jointly command flight, arm motion, and gripper closure without an explicit task-phase input. A privileged teacher learns through reinforcement learning with a critical-state curriculum that exposes acquisition and lifting states before connecting them to normal approach trajectories. Its behavior is distilled into a recurrent visual student that replaces privileged target states with dual-view point clouds and proprioception, integrating observation history for closed-loop control. A dedicated closure objective supervises closure timing from sustained model-defined readiness sequences. Training and primary evaluation use a simulated acquisition-and-payload model with condition-triggered latching, virtual attachment, and wrench-based payload loading for short-distance lifting. Across 8,996 completed simulation episodes under this model, the frozen student achieves full-task success rates of 99.97%, 97.14%, and 95.84% under nominal, physics/control-randomized, and additional camera-randomized conditions, respectively. The nominal latch-count-weighted mean of per-seed 90th-percentile alignment errors at acquisition is 8.12 mm.
• Abstract（参考訳）: 空中グリップ・アンド・リフトのタスクは、部分的な目標観測の下でのアプローチ、取得、リフトの全体調整を必要とする。 早期アプローチの失敗は、トレーニング中の後のタスクステージへの露出を制限すると同時に、可視性の変更は、実行中のアライメントとクロージャタイミングを複雑にする。 本稿では, 作業段階の明示的な入力を伴わずに, 飛行, 腕の動き, グリップの閉鎖を共同で指揮するシミュレーションにおいて, 一つの方針を学習する教師学生向けフレームワークを提案する。 特権教師は、通常のアプローチ軌跡に接続する前に、取得および持ち上げ状態を公開するクリティカルステートカリキュラムを用いて強化学習を通じて学習する。 その振る舞いは、特権化された目標状態から双対視点雲とプロプレセプションに置き換え、閉ループ制御のための観測履歴を統合する、反復的な視覚学生に蒸留される。 専用クロージャ対象は、持続的モデル定義準備シーケンスからのクロージャタイミングを監督する。 トレーニングと初等評価は、条件付きラッチ、仮想アタッチメント、短距離昇降のためのレンチベースのペイロードローディングを備えた、シミュレートされた買収と支払のモデルを用いている。 このモデルの下で8,996回のシミュレーションが完了し、学生は99.97%、97.14%、95.84%が名目上、物理/制御ランダム化され、さらにカメラランダム化されている。 取得時の90分の1のアライメント誤差のラッチ数重み平均は8.12mmである。

関連論文リスト

• Plan-Conditioned Imitation for Robust Object Retrieval under Self-Occlusion in Dense Clutter [22.623162223217278]
  TRACEは自己閉塞下での検索のための計画条件付き模倣フレームワークである。 特権教師が固定名義ロールアウトを生成するデジタルツインを初期化する。 TRACEは、名目上のリプレイが43.4%、特権的な閉ループ教師が96.7%に対して90.7%の成功を収めている。
  論文  参考訳（メタデータ） (2026-09-30T03:15:22Z)
• RoXDrive: Closed-Loop Reinforcement Learning for End-to-End Autonomous Driving via Action-Faithful Rollouts [98.41251854883184]
  強化学習(RL)ポストトレーニングは、現在のアプローチに代わる有望な代替手段を提供する。 ビデオワールドモデルは、現実的な多段階の将来のロールアウトを生成する能力を示したが、アクション条件を忠実に反映しないかもしれない。 本稿では,信頼性の高いポリシ最適化を実現するプラグイン・アンド・プレイクローズドループRLフレームワークであるRoXDriveを紹介する。
  論文  参考訳（メタデータ） (2026-09-29T06:59:50Z)
• EgoTSR++: Egocentric Spatiotemporal Reasoning for Task Progress Understanding [51.078675806865306]
  VLM(Vision-Language Models)は、静的な視覚的理解において急速に進歩しているが、エゴセントリックなタスクがどのように進行しているかを判断しても信頼性が低い。 EgoTSR(EgoTSR)は,オーダーローバストなタスク・プログレス理解を診断・改善するための統合フレームワークである。
  論文  参考訳（メタデータ） (2026-09-23T09:20:44Z)
• Phase-and-First-Arrival VLM Feedback for Sparse-Reward Reinforcement Learning in Surgical Manipulation [18.513281440175113]
  スパース・リワード強化学習では、終末報酬は同じ結果にそのような試みが崩壊する。 記録されたエピソードごとの1つのVLMクエリは、最も視覚的に検証されたタスクフェーズを識別する。 5つのシミュレートされたタスクにおいて,提案手法は平均75.2%に到達し,コントラスト言語-画像事前学習に基づく報酬は52.1%となった。
  論文  参考訳（メタデータ） (2026-09-07T08:29:59Z)
• Hermite Curves as Trajectory Priors for Vision-Language-Action Models [41.51953284790607]
  本稿では,Hermite trajectory priorsを導入し,チャンク軌道を終点位置と速度で定義される3次Hermite曲線としてパラメータ化する。 我々は、この固定作用素を離散自己回帰および連続生成パラダイムでインスタンス化する。 シミュレーションベンチマークと実ロボットプラットフォーム全体で、Hermite Regularizationは優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-08-02T14:18:17Z)
• CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation [15.532709298240215]
  視覚言語アクション(VLA)ポリシーは、オープンループアクションチャンクを通じて長距離移動操作を実行する。 本稿では、個別に訓練されたフリーズされた行動条件付き世界モデルを用いて実行を検証するCheckVLAを提案する。 RoboCasa365では、一般的なトレーニングレシピと一致した呼び出し予算の下で、CheckVLAの平均成功率は36.1%であり、定期的なリプランでは27.6%である。
  論文  参考訳（メタデータ） (2026-07-29T11:31:33Z)
• CosFly-VLA: A Spatially Aware Vision-Language-Action Model for UAV Tracking [6.465600276213322]
  VLA(Vision-Language-Action)ポリシーは、視覚的標的を効果的に追跡することができるが、建物、植生、道路沿いの物体が視線を塞ぐと、その性能は劣化することが多い。 本稿では,空間認識型VLAモデルCosFly-VLAについて述べる。 OpenVLAとは対照的に、CosFly-VLA-0.8Bはオープンループ平均変位誤差(ADE)を外見テストで34.1%、目に見えないテストで35.3%削減する。
  論文  参考訳（メタデータ） (2026-07-16T13:52:08Z)
• PRTS: A Primitive Reasoning and Tasking System via Contrastive Representations [66.94988600664574]
  我々は,目標達成型強化学習を通じて事前学習を再構築するVLA基盤モデルであるtextbfPRTS(textbfPrimitive textbfReasoning and textbfTasking textbfSystem)を提案する。
  論文  参考訳（メタデータ） (2026-04-30T06:14:02Z)
• How Far Can Unsupervised RLVR Scale LLM Training? [57.44753418846446]
  検証可能な報酬を伴う教師なし強化学習(URLVR)は、監督ボトルネックを越えてLLMトレーニングをスケールするための経路を提供する。 最近の研究は、モデル固有の信号を活用し、期待できる早期の利得を示しているが、その可能性と限界は未だ不明である。 我々は、URLVRメソッドを報酬源に基づく固有対外部に分類し、統一された理論的枠組みを確立する。
  論文  参考訳（メタデータ） (2026-03-09T17:38:11Z)
• Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
  本稿では, 自己補正VLA (SC-VLA) を提案する。 SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
  論文  参考訳（メタデータ） (2026-02-25T06:58:06Z)

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。