論文の概要: Grounded in Time: A Multi-Source Dataset and Benchmark for Temporal Grounding in Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2610.04255v1
- Date: Sat, 03 Oct 2026 03:25:24 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 20:45:54.045194
- Title: Grounded in Time: A Multi-Source Dataset and Benchmark for Temporal Grounding in Robotic Manipulation
- Title（参考訳）: 時間内接地:ロボットマニピュレーションにおける時間的接地のためのマルチソースデータセットとベンチマーク
- Abstract要約: GiTは、バイオラボラトリー、家庭用、産業シナリオにわたる過去のイベントにおける操作決定の基礎となるデータセットとベンチマークである。
実ロボットとユニバーサルマニピュレーションインタフェース(UMI)スタイルのデモとシミュレーションデータ、9つのタスクをカバーするManiSkillベースの評価スイートが含まれている。
- 参考スコア（独自算出の注目度）: 22.18425865375922
- License:
- Abstract: Robotic manipulation often requires inferring task-relevant states from past interactions when the current observation alone is insufficient to determine the appropriate action. Despite progress in benchmarking memory-augmented vision-language-action (VLA) models, application-oriented tasks requiring history-dependent semantic inference remain underrepresented. We introduce GiT (Grounded in Time), a dataset and benchmark for grounding manipulation decisions in past events across biolaboratory, household, and industrial scenarios. It includes real-robot and Universal Manipulation Interface (UMI) style demonstrations covering 18 bimanual tasks, together with simulation data and a ManiSkill-based evaluation suite covering nine tasks. Fine-grained subtask annotations and annotated counterfactual task pairs, in which similar current observations require different actions depending on prior events, support policy learning and targeted evaluation of history use. Evaluations of representative end-to-end VLA models in simulation and on selected real-world tasks reveal substantial room for improvement in history-dependent manipulation. The dataset and benchmark are available at the project page.
- Abstract（参考訳）: ロボット操作は、しばしば、現在の観察だけで適切な行動を決定するのに不十分な場合、過去の相互作用からタスク関連状態を推測する必要がある。
メモリ拡張ビジョン言語アクション(VLA)モデルのベンチマークの進歩にもかかわらず、履歴に依存したセマンティック推論を必要とするアプリケーション指向タスクはいまだ不足している。
GiT(Grounded in Time)は、バイオラボラトリー、家庭用、産業シナリオにわたる過去のイベントにおける操作決定の基盤となるデータセットとベンチマークである。
実ロボットとユニバーサルマニピュレーションインタフェース(UMI)スタイルのデモとシミュレーションデータ、9つのタスクをカバーするManiSkillベースの評価スイートが含まれている。
微粒なサブタスクアノテーションと注釈付き対物的タスクペアは、類似の現在の観測では、過去の出来事によって異なるアクションを必要とし、ポリシー学習をサポートし、履歴の使用を標的に評価する。
シミュレーションおよび選択された実世界のタスクにおける代表的エンドツーエンドVLAモデルの評価により、履歴に依存した操作の改善の余地が明らかとなった。
データセットとベンチマークはプロジェクトページで公開されている。
関連論文リスト
- Non-Markovian Long-Horizon Robot Manipulation via Keyframe Chaining [56.62125584296097]
Keyframe-Chaining VLAは、キー履歴フレームを抽出し、長い水平依存関係をモデル化するフレームワークである。
本研究では,現在の実行フェーズに対する時間的関連性に基づいて,動的に履歴フレームを検索する進捗対応機構を設計する。
タスク成功率を測定するために,ManiSkillシミュレータ上に構築された4つの非マルコフ操作タスクスイートを紹介する。
論文 参考訳（メタデータ） (2026-03-02T05:26:29Z) - FindingDory: A Benchmark to Evaluate Memory in Embodied Agents [49.18498389833308]
本研究では,Habitatシミュレータに長距離エンボディタスクのための新しいベンチマークを導入する。
このベンチマークは、持続的なエンゲージメントとコンテキスト認識を必要とする60タスクにわたるメモリベースの機能を評価する。
論文 参考訳（メタデータ） (2025-06-18T17:06:28Z) - λ: A Benchmark for Data-Efficiency in Long-Horizon Indoor Mobile Manipulation Robotics [11.901933884058021]
本稿では,LAMBDA ベンチマーク-Long-Horizon Actions for Mobile-Manipulation Benchmarking of Directed Activityを紹介する。
私たちのベンチマークには、シミュレーションと実世界の設定において、現実性と多様性を提供する、571人の人間によるデモが含まれています。
予備訓練を受けた場合でも,学習方法は成功率を低く抑えるが,ニューロシンボリックな手法では性能が著しく向上し,データ量も少なくなる。
論文 参考訳（メタデータ） (2024-11-28T19:31:50Z) - Vision Language Models are In-Context Value Learners [89.29486557646624]
本稿では、視覚言語モデル(VLM)に埋め込まれた世界的知識を活用してタスクの進捗を予測する普遍的価値関数推定器である生成価値学習(GVL)を提案する。
ロボットやタスク固有のトレーニングがなければ、GVLは300以上の異なる現実世界のタスクに対して、ゼロショットと数ショットの効果的な値をインコンテキストで予測することができる。
論文 参考訳（メタデータ） (2024-11-07T09:17:50Z) - Interactive Planning Using Large Language Models for Partially
Observable Robotics Tasks [54.60571399091711]
大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。
LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
論文 参考訳（メタデータ） (2023-12-11T22:54:44Z) - Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。
各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。
TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
論文 参考訳（メタデータ） (2023-07-03T13:58:20Z)
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。