論文の概要: SARI: Phase-Split Sim-Real Co-Training for Contact-Rich Manipulation
- arxiv url: http://arxiv.org/abs/2610.02804v1
- Date: Fri, 02 Oct 2026 04:50:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.21202
- Title: SARI: Phase-Split Sim-Real Co-Training for Contact-Rich Manipulation
- Title（参考訳）: SARI: コンタクトリッチマニピュレーションのための位相分割型シリアルコレーニング
- Abstract要約: 視覚言語アクションモデルはしばしば、コンタクトリッチな操作タスクに適応するために、コストのかかる実世界のデモを必要とする。
本稿では、空間的カバレッジと接触物理を、最も適した領域から取得する、簡単な洞察に基づいて、位相分割型sim-and-realコトレーニング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）: 17.448768420363262
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-language-action (VLA) models often require costly real-world demonstrations to adapt to contact-rich manipulation tasks, particularly when generalization across object placements is needed. We propose SARI (Simulated Approach, Real Interaction), a phase-split sim-and-real co-training framework built on a simple insight: spatial coverage and contact physics should be acquired from the domains best suited to them. Specifically, free-space approaches require spatial diversity but tolerate modest simulation gaps, making them ideal for synthetic generation; conversely, contact interactions demand accurate physics but vary little across object placements, allowing a few real demonstrations to generalize across the workspace. SARI generates diverse simulated approaches in a photorealistic digital twin while collecting real contact interactions at only a few placements. Post-trained on these phase-segmented demonstrations, a single policy seamlessly stitches simulated approaches with real contact interactions using visual appearance alignment and a shared camera-relative action representation--without explicit phase labels or hand-coded switches. Across five real-world contact-rich manipulation tasks, SARI reduces real-data collection time by 34.3% and achieves 27.5% success at unseen placements, where all full-task sim-real baselines fail completely (0%).
- Abstract（参考訳）: VLA(Vision-Language-action)モデルは、特にオブジェクト配置の一般化が必要な場合、コンタクトリッチな操作タスクに適応するために、コストのかかる実世界のデモンストレーションを必要とすることが多い。
本稿では,位相分割型シミュレート・リアル協調学習フレームワークであるSARI(Simulated Approach, Real Interaction)を提案する。
具体的には、自由空間のアプローチは空間の多様性を必要とするが、控えめなシミュレーションのギャップを許容し、合成生成に最適である。
SARIは、数箇所で実際の接触相互作用を収集しながら、フォトリアリスティックなデジタル双対において多様なシミュレートされたアプローチを生成する。
これらのフェーズセグメンテーションされたデモの後に、単一のポリシーは、明示的なフェーズラベルや手書きスイッチなしで、視覚的な外観アライメントと共有カメラ相対的なアクション表現を使用して、実際の接触相互作用によってシミュレーションされたアプローチをシームレスに縫合する。
実世界の5つのコンタクトリッチな操作タスクの中で、SARIは実際のデータ収集時間を34.3%削減し、不明な配置で27.5%成功し、全タスクのsim-realベースラインが完全に失敗する(0%)。
関連論文リスト
- DEXTERA: From a Single Image to Deployable Dexterous Manipulation via Real-to-Sim-to-Real [8.81402670203448]
DEXTERAは、デクスタラス操作のための、リアルタイムからシミュレートへ自動化されたフレームワークである。
単一のRGBイメージをデプロイ可能なポリシに変換して,4つの統一ステージに展開する。
DEXTERAは、生成ベースラインよりも優れた視覚的忠実度と3次元幾何的再構成を実現する。
論文 参考訳（メタデータ） (2026-09-17T20:05:16Z) - Function-Preserving Data Generation for Zero-Shot Real-to-Sim-to-Real Manipulation [14.858715829714518]
提案手法は, 震源軌道を遠隔保存することなく, 再建された資産から合成デモを生成する機能を有するリアルタイム・ストリーム・トゥ・リアルフレームワークを提案する。
本手法は,制約誘導メッシュ変形によるタスク関連オブジェクトのジオメトリを,物理的に一貫したタスクポーズと衝突プロキシの転送とともに拡張する。
論文 参考訳（メタデータ） (2026-09-16T08:13:40Z) - One Demonstration, Many Objects: Generalizing Manipulation via Local Contact Geometry [49.066054862620014]
人間のデモから学ぶことは、ロボット遠隔操作のスケーラブルな代替手段として現れてきた。
最近のsim-to-real RL法はそのような先入観を取り入れているが、しばしば正確な接触を明示的に動機付ける報酬を省略する。
接触点に局所的な形状に着目してオブジェクトを操作できるDemoMimicを提案する。
論文 参考訳（メタデータ） (2026-09-01T23:04:35Z) - GIRAF: Towards Generalizable Human Interactions with Articulated Objects [50.52795413484619]
そこで本論文では,テキスト条件付き拡散モデルについて述べる。
提案手法は、現在最先端の手法を超越して、未確認のオブジェクト構成に強い一般化を示した。
論文 参考訳（メタデータ） (2026-07-08T19:30:44Z) - ConCent: Contact-Centric Real-to-Sim-to-Real Learning from One Demonstration [17.067367964368486]
Sim-to-real Policy Transferは、大規模な実世界のデータなしでロボット操作をスケールするための有望なパラダイムである。
本稿では,実演から抽出したタスク関連接触イベントシーケンスを利用する,コンタクト中心の実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実
接触リッチな操作タスクの実験は、制約のないRLベースラインよりも安定でロバストなsim-to-realポリシー転送を示す。
論文 参考訳（メタデータ） (2026-06-29T13:16:33Z) - SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。
本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。
SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T07:41:52Z) - Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。
本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。
スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
論文 参考訳（メタデータ） (2026-02-14T16:05:08Z) - R2RGEN: Real-to-Real 3D Data Generation for Spatially Generalized Manipulation [74.41728218960465]
本稿では,実世界のデータを生成するために,ポイントクラウド観測-アクションペアを直接拡張するリアルタイム3Dデータ生成フレームワーク(R2RGen)を提案する。
R2RGenは、広範な実験におけるデータの効率を大幅に向上させ、モバイル操作におけるスケーリングと応用の強い可能性を示す。
論文 参考訳（メタデータ） (2025-10-09T17:55:44Z) - Generalizable Domain Adaptation for Sim-and-Real Policy Co-Training [21.855770200309674]
一般化可能な操作ポリシーを学習するための統合型sim-and-real協調学習フレームワークを提案する。
シミュレーションデータを活用することで,実世界の成功率を最大30%向上できることを示す。
論文 参考訳（メタデータ） (2025-09-23T04:32:53Z) - Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。
この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。
本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
論文 参考訳（メタデータ） (2024-10-16T19:59:31Z)
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。