論文の概要: TacDyn-WAM: Learning Implicit Tactile Dynamics in a Heterogeneous Visuo-Tactile World Action Model
- arxiv url: http://arxiv.org/abs/2610.00638v1
- Date: Wed, 30 Sep 2026 19:40:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.733908
- Title: TacDyn-WAM: Learning Implicit Tactile Dynamics in a Heterogeneous Visuo-Tactile World Action Model
- Title（参考訳）: TacDyn-WAM:不均一な視覚・触覚世界行動モデルにおける不適切な触覚ダイナミクスの学習
- Abstract要約: 本稿では,多種性ビジュオ触覚世界行動モデルであるTacDyn-WAMを紹介する。
将来の触覚観察を再構築するのではなく、暗黙の触覚力学を予測する。
動的に認識可能な触覚ターゲット空間であるTacRepを学習する。
- 参考スコア（独自算出の注目度）: 32.279153732430544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World action models improve robotic manipulation by conditioning actions on predicted futures, yet existing tactile variants largely inherit video-generation pipelines that reconstruct future tactile observations through iterative denoising. Such prediction can become unreliable under deployment drift: small changes in contact position or force may substantially alter tactile pixels even when the underlying contact evolution remains predictable. We introduce TacDyn-WAM, a heterogeneous visuo-tactile world action model that predicts implicit tactile dynamics rather than reconstructing future tactile observations. It learns TacRep, a dynamics-aware tactile target space trained through masked spatio-temporal prediction on tactile clips and regularized by relational structure distillation. A visual expert and an Implicit Tactile Dynamics Expert predict future visual and tactile representations in separate target spaces while interacting through joint attention; the tactile expert predicts future representations and their changes at multiple horizons in a single forward pass, and a read-only tactile memory supplies the current tactile state. On UniVTAC, TacDyn-WAM achieves an average success rate of 81.5% using only the provided demonstrations, reaching state-of-the-art-level performance and remaining competitive with models pretrained on large-scale visuo-tactile trajectories. Ablations confirm the benefits of both tactile pathways and TacRep over pixel-reconstruction and static alternatives. On five real-robot tasks, TacDyn-WAM reaches 71.0% average success, and modest-scale pretraining raises it to 85.0%, further validating our method.
- Abstract（参考訳）: 世界行動モデルは、予測された未来に対するアクションを条件付けすることでロボット操作を改善するが、既存の触覚変異体は、反復的認知を通じて将来の触覚観察を再構築するビデオ生成パイプラインを主に継承している。
接触位置や力の小さな変化は、基礎となる接触進化が予測可能である場合でも、触覚ピクセルを著しく変化させる可能性がある。
我々は,将来的な触覚観測を再構築するのではなく,暗黙的な触覚ダイナミクスを予測できる異種触覚世界行動モデルであるTacDyn-WAMを紹介した。
TacRepは、触覚クリップのマスク付き時空間予測によって訓練され、リレーショナル構造蒸留によって正規化される動的に認識された触覚ターゲット空間である。
視覚専門家とインプリシット触覚ダイナミクスエキスパートは、ジョイントアテンションを通して相互作用しながら、別々のターゲット空間における将来の視覚的および触覚的表現を予測し、触覚専門家は、単一の前方パスで複数の地平線における将来の表現とその変化を予測し、読み取り専用触覚記憶が現在の触覚状態を供給する。
UniVTACでは、TacDyn-WAMは提供されたデモのみを使用して平均81.5%の成功率を達成した。
アブレーションは、画素再構成と静的な代替品に対する触覚経路とTacRepの両方の利点を裏付ける。
5つの実ロボットタスクにおいて、TacDyn-WAMは平均71.0%の成功に達し、モデストスケールプレトレーニングは85.0%に上昇し、さらに我々の手法を検証する。
関連論文リスト
- Tactile Curiosity Drives Robot Interaction [111.87914899158069]
我々は触覚フィードバックが探究に自然なシグナルをもたらすと論じている。
私たちは、不確実性駆動探索にタッチを組み込んだフレームワークであるTacExを紹介します。
論文 参考訳（メタデータ） (2026-09-30T16:49:40Z) - Uni-VLaT: Whole-Body Tactile Adaptation of VLA Policies for Humanoid Loco-Manipulation [30.182406591874173]
コンタクトリッチ制御のための視覚・言語・アクション・ポリシーに全身触覚情報を統合する方法について検討する。
われわれのアプローチであるUni-VLaTでは、潜伏状態が将来の触覚、受容性、視覚的表現を予測するために訓練された触覚経路を導入している。
触覚・触覚・身体的相互作用・人間-ロボット接触・ロボ操作を含む5つの実ロボットタスクについて,Uni-VLaTの評価を行った。
論文 参考訳（メタデータ） (2026-09-28T15:43:26Z) - DexTacWAM: A Visuo-Tactile World-Action Model for Dexterous Manipulation [62.08802141030416]
本稿では,指先を個別に符号化するビジュオ触覚WAMであるDexTacWAMを紹介する。
触覚潜伏剤をビデオ拡散世界モデルに注入し, 共同ビジュオ触覚世界モデリングを行う。
論文 参考訳（メタデータ） (2026-09-21T17:55:24Z) - TacWAM: Anchor-Guided World Action Model with Mechanics-Aware Tactile Prediction [15.274487606802124]
World Action Models (WAM) は将来の状態予測とロボットアクション生成を組み合わせるが、既存のアプローチは視覚的未来に大きく依存している。
本稿では、この課題に3つのステップで対処する、メカニック対応の触覚WAMであるTacWAMを紹介する。
筆者らは, 脆弱な把握, 表面接触, 動的手動操作を含む4つの実世界の接触リッチな操作タスクに対して, TacWAMを評価した。
論文 参考訳（メタデータ） (2026-07-30T15:47:01Z) - VT-WAM: Visual-Tactile World Action Model for Contact-Rich Manipulation [22.0330577788623]
コンタクトリッチな操作には、局所的な変形、圧力、滑り、摩擦に反応するポリシーが必要である。
既存の視覚触覚ポリシーは通常、触覚観察を直接行動予測に供給する。
本稿では,未来の視覚予測,触覚変形予測,行動予測を共同で学習する視覚触覚世界行動モデルであるVT-WAMを紹介する。
論文 参考訳（メタデータ） (2026-07-02T17:58:36Z) - UniTacVLA: Unified Tactile Understanding and Prediction in Vision Language Action Models [32.87879913150572]
コンタクトリッチな操作のための統合された触覚学習フレームワークを提案する。
提案手法は,既存手法よりも成功率,操作精度,接触堅牢性を向上することを示す。
論文 参考訳（メタデータ） (2026-06-30T14:24:00Z) - Tactile-WAM: Touch-Aware World Action Model with Tactile Asymmetric Attention [53.84395207661823]
触覚非対称注意機構(TAAM)を備えたタッチ対応WAMであるTactile-WAMを提案する。
ManiFeelでは、Tactile-WAMは平均成功率を38.9%改善し、コンタクトリッチタスクでは86%改善した。
論文 参考訳（メタデータ） (2026-06-25T06:54:56Z) - VTAM: Video-Tactile-Action Models for Complex Physical Interaction Beyond VLAs [47.982092015932444]
Video-Action Models (VAM) は、インテリジェンスを具現化するための有望なフレームワークとして登場した。
本稿では,触覚を接地信号として組み込んだマルチモーダル世界モデリングフレームワークであるVideo-Tactile Action Model (VTAM)を紹介する。
VTAMは、触覚ストリームでトレーニング済みのビデオトランスフォーマーを軽量なモダリティ転送ファインタニングで強化する。
論文 参考訳（メタデータ） (2026-03-24T17:45:06Z) - OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。
我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
論文 参考訳（メタデータ） (2026-03-19T17:52:42Z)
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。