論文の概要: Proprioceptive Sketches as Long-Horizon Intent for Generative Action Policies

• arxiv url: http://arxiv.org/abs/2610.02759v1
• Date: Fri, 02 Oct 2026 03:40:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.19802
• Title: Proprioceptive Sketches as Long-Horizon Intent for Generative Action Policies
• Title（参考訳）: ジェネレーティブ・アクション・ポリシーの長軸インテントとしてのプロプリオセプティブ・スケッチ
• Abstract要約: 生成ロボットポリシーは、短いアクションチャンクを予測するが、明示的なロングホライゾン意図は欠如している。 近年の手法では、言語計画、サブゴール画像、ビデオ予測などを通じて、より長い水平構造を公開している。 本稿では,ロボットが残するジョイントスペースパスのコンパクトでタイミングのないスケッチを共同生成するプロプライオセプティブ・アクション・モデルを提案する。
• 参考スコア（独自算出の注目度）: 13.37508318790699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative robot policies predict short action chunks but lack explicit long-horizon intent. Recent methods expose longer-horizon structure through language plans, subgoal images, or video forecasts, which are costly to generate and still need to be translated into robot motion. Predicting future robot motions avoids this translation, but a dense, time-indexed trajectory requires numerous parameters to cover the full remaining task, and over a short horizon it largely repeats the action chunk and adds little guidance for action generation. We propose Proprioceptive Action Models (PAM), which jointly generate a compact, timing-free sketch of the robot's remaining joint-space path and a dense executable action chunk within a single transformer denoiser. The sketch parameterizes the path by arc length rather than time, capturing geometric intent invariant to execution timing. Block-causal attention and a staggered denoising schedule maintain directed sketch-to-action dependence, ensuring the action tokens condition on a progressively cleaner sketch throughout sampling. In simulation, PAM improves over its action-only counterparts on Push-T and LIBERO-Long; on four real-world bimanual tasks, it raises success from 47.5% to 75.0%. Project page: https://nicehiro.github.io/pam_dp/
• Abstract（参考訳）: 生成ロボットポリシーは、短いアクションチャンクを予測するが、明示的なロングホライゾン意図は欠如している。 近年の手法では、言語計画、サブゴール画像、ビデオ予測などにより、ロボットの動きに変換する必要のある長い水平構造を露呈する。 将来のロボットの動きを予測することは、この翻訳を避けるが、高密度で時間差のある軌道は、残りのタスクを完全にカバーするために多くのパラメータを必要とし、短期的にはアクションチャンクをほとんど繰り返し、アクション生成のためのガイダンスをほとんど追加しない。 本稿では,ロボットの残余のジョイントスペースパスのコンパクトかつタイミングのないスケッチと,単一変圧器デノイザ内での高密度実行可能なアクションチャンクを共同生成するプロプリオセプティブ・アクション・モデルを提案する。 スケッチは時間ではなく弧長で経路をパラメータ化し、実行タイミングに不変な幾何学的意図をキャプチャする。 ブロックカジュアルな注意と停滞したデノベーションスケジュールは、指示されたスケッチからアクションへの依存を維持し、サンプリング全体を通して徐々にクリーンなスケッチに対するアクショントークンの状態を保証する。 シミュレーションにおいて、PAMはPush-TとLIBERO-Longのアクションオンリーの機能を改善し、現実世界の4つのバイマニュアルタスクでは47.5%から75.0%に向上した。 プロジェクトページ: https://nicehiro.github.io/pam_dp/

関連論文リスト

• PhasePlan: Ordered Future-Phase Planning for Robot Brain Models [13.944727570251258]
  ロボット脳モデルのための順序付き将来の計画法である。 我々は、事前訓練された$_0.5$とAcrossWAM1.0ロボット脳モデルに基づいて、メソッドをインスタンス化する。 元々の$_0.5$モデルと比較して、オフラインのジョイントアクションエラーを約22.5%削減する。
  論文  参考訳（メタデータ） (2026-09-30T15:34:39Z)
• SplineWAM: Adaptive Action Horizons for World Action Models via B-Spline Representations [29.139819960625744]
  動作軌跡を適応的にB-スプラインパラメータの固定サイズウィンドウに圧縮するSplineWAMを提案する。 1つのパラメータ予算は、時間的解像度と期間の異なるチャンクにデコードされ、実行されたスパンと、次のポリシー呼び出しが予測自体から続くまでのインターバルの両方にデコードされる。 LIBERO-PlusとRoboCasaでは、アクションチャンキングWAMの成功率を8.2ドルと4.4ドルで改善し、エピソードごとのポリシーコールを22%と26%削減した。
  論文  参考訳（メタデータ） (2026-09-30T14:51:03Z)
• 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)
• NovaPlan: Zero-Shot Long-Horizon Manipulation via Closed-Loop Video Language Planning [36.20611975009607]
  クローズドループVLMとビデオプランニングを統合した階層型フレームワークであるNovaPlanを紹介する。 高いレベルでは、VLMプランナーはタスクをサブゴールに分解し、クローズドループでロボットの実行を監視する。 低レベルのロボット動作を計算するために,タスク関連オブジェクトキーポイントと人手ポーズの両方を抽出し,活用する。
  論文  参考訳（メタデータ） (2026-02-23T18:35:18Z)
• Action-Sketcher: From Reasoning to Action via Visual Sketches for Long-Horizon Robotic Manipulation [37.76888706583038]
  長距離ロボット操作は、現実世界の展開においてますます重要になっている。 既存のエンドツーエンドおよび階層的なビジョン・ランゲージ・アクションポリシーは、しばしばテキストのみの手がかりに依存している。 ロボットの現在のビューに、ポイント、ボックス、矢印、型付き関係を描画する、不可解な視覚中間体であるVisual Sketchを導入する。 本稿では,サイクリックSee-Think-Sketch-Actワークフローで動作するVLAフレームワークであるAction-Sketcherを紹介する。
  論文  参考訳（メタデータ） (2026-01-04T17:53:42Z)
• OmniSAT: Compact Action Token, Faster Auto Regression [70.70037017501357]
  我々は、コンパクトで転送可能なアクション表現を学ぶOmni Swift Action Tokenizerを紹介する。 その結果、離散トークン化はトレーニングシーケンスを6.8$times$に短縮し、ターゲットエントロピーを低下させる。
  論文  参考訳（メタデータ） (2025-10-08T03:55:24Z)
• FAST: Efficient Action Tokenization for Vision-Language-Action Models [98.15494168962563]
  離散コサイン変換に基づくロボット動作のための圧縮に基づく新しいトークン化手法を提案する。 FASTをベースとしたFAST+は,100万個のリアルロボットアクショントラジェクトリに基づいて訓練されたユニバーサルロボットアクショントークンである。
  論文  参考訳（メタデータ） (2025-01-16T18:57:04Z)
• Track2Act: Predicting Point Tracks from Internet Videos enables Generalizable Robot Manipulation [65.46610405509338]
  我々は、ゼロショットロボット操作を可能にする汎用的な目標条件ポリシーを学習することを目指している。 私たちのフレームワークであるTrack2Actは、ゴールに基づいて将来のタイムステップで画像内のポイントがどのように動くかを予測する。 学習したトラック予測を残留ポリシーと組み合わせることで,多種多様な汎用ロボット操作が可能となることを示す。
  論文  参考訳（メタデータ） (2024-05-02T17:56:55Z)
• Skip-Plan: Procedure Planning in Instructional Videos via Condensed Action Space Learning [85.84504287685884]
  Skip-Plan(スキップ・プラン)は、訓練ビデオにおけるプロシージャ計画のための凝縮された行動空間学習法である。 アクションチェーン内の不確実なノードやエッジをスキップすることで、長いシーケンス関数と複雑なシーケンス関数を短いが信頼できるものに転送する。 我々のモデルは、凝縮された作用空間内のアクションシーケンス内で、あらゆる種類の信頼できる部分関係を探索する。
  論文  参考訳（メタデータ） (2023-10-01T08:02:33Z)
• Weakly-supervised Action Transition Learning for Stochastic Human Motion Prediction [81.94175022575966]
  動作駆動型人間の動作予測の課題について紹介する。 一連の動作ラベルと短い動作履歴から、複数の可算な将来の動作を予測することを目的としている。
  論文  参考訳（メタデータ） (2022-05-31T08:38:07Z)

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。