論文の概要: Arm-wise Compositional Generalization in Dual-Arm Vision-Language-Action Models

• arxiv url: http://arxiv.org/abs/2610.06184v1
• Date: Mon, 05 Oct 2026 12:03:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 18:08:24.223983
• Title: Arm-wise Compositional Generalization in Dual-Arm Vision-Language-Action Models
• Title（参考訳）: Dual-Arm Vision-Language-Action Modelにおけるアームワイズ構成一般化
• Abstract要約: マルチアームコラボレーションの一般化は、腕にまたがる新しい方法で親しみやすい原子スキルを構成するものとして研究することができる。 我々は,emphArm-wise compositional Generalizationのベンチマークである textbfACG-Bench を紹介した。
• 参考スコア（独自算出の注目度）: 53.961292086732364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generalization in multi-arm collaboration can be studied as composing familiar atomic skills in new ways across arms. However, existing evaluations offer limited insight into which training and architectural choices support this ability under different coordination requirements. We introduce \textbf{ACG-Bench}, a benchmark for \emph{Arm-wise Compositional Generalization} that provides a common testbed for studying skill recomposition in dual-arm policies. It contains 23 task--condition pairs across 8 task families, with 6 in-domain conditions and 17 unseen compositions covering reordering, synchronization, their combination, and cross-task composition. All methods receive the same per-arm atomic prompts, and success requires achieving the task goal while satisfying physical milestones and specified order or timing constraints. Using $π_{0.5}$ as a common vision-language-action backbone, we compare representative data-augmentation and architectural strategies with shared source data and a common evaluation protocol. Our architectural study examines arm-token grouping, skill-specific LoRA adapters (SkillLoRA), and arm-wise attention (AWA), highlighting the complementarity of skill-conditioned parameters and attention structure. Combining these choices yields \textbf{AE-VLA}, which achieves 21.53\% generalization success in simulation, compared with 2.94\% for Single $π_{0.5}$, 3.06\% for MA-VLA, and 5.53\% for two independently controlled $π_{0.5}$ policies. On physical SO101 robots, AE-VLA reaches 39.00\% mean success across five unseen conditions, compared with 10.00\% for the strongest baseline. These findings provide empirical guidance for designing dual-arm policies that generalize beyond fixed training routines.
• Abstract（参考訳）: マルチアームコラボレーションの一般化は、腕にまたがる新しい方法で親しみやすい原子スキルを構成するものとして研究することができる。 しかし、既存の評価では、異なる調整要件の下で、トレーニングとアーキテクチャの選択がこの能力をサポートするかについての限られた洞察を与えています。 本稿では,両腕政策におけるスキル再構成の研究に共通するテストベッドを提供する,‘emph{Arm-wise Compositional Generalization} のベンチマークである \textbf{ACG-Bench} を紹介する。 8つのタスクファミリに23のタスク条件ペアがあり、6つのドメイン条件と17の不明なコンポジションがリオーダー、同期、それらの組み合わせ、クロスタスクのコンポジションを含んでいる。 すべてのメソッドは、同じアーム単位のアトミックプロンプトを受け取り、成功には、物理的なマイルストーンと指定された順序またはタイミングの制約を満たしながら、タスク目標を達成する必要がある。 π_{0.5}$を共通の視覚-言語-アクションのバックボーンとして使用し、代表的データ拡張とアーキテクチャ戦略を共有ソースデータと共通評価プロトコルと比較する。 本アーキテクチャでは,腕装具,スキル固有のLoRAアダプタ(SkillLoRA),腕装具(AWA)について検討し,熟練条件パラメータの相補性と注意構造を明らかにする。 これらの選択を組み合わせることで、シミュレーションにおいて 21.53 % の一般化が成功し、MA-VLAでは 2.94 %、MA-VLAでは 3.06 %、独立に制御された 2 つの $π_{0.5} のポリシーでは 5.53 % となる。 物理的なSO101ロボットでは、AE-VLAは5つの目に見えない条件で39.00\%に達するが、最強のベースラインでは10.00\%に達する。 これらの知見は、固定トレーニングルーチンを超えて一般化されたデュアルアームポリシーを設計するための実証的なガイダンスを提供する。

関連論文リスト

• Train Together or Merge Later? Unifying VLA Experts via a Shared Action Interface [14.374102158886275]
  言語互換のポストトレーニングとコンテキスト誘導スパースマージを組み合わせたポリシWeaveを提案する。 目標タスクの10%のみを用いて, GR00T N1.5を18のRoboCasa365タスクで評価した。
  論文  参考訳（メタデータ） (2026-09-27T02:47:55Z)
• Two-Stage Mixture-of-LoRA for Multi-Task Medical Vision-Language Learning [11.067337708907017]
  MedGemma-1.5-4B上に構築されたフレームワークである textbfTwo-Stage Mixture-of-LoRA を提案する。 このフレームワークでは、1つの共有LoRAと6つのタスク固有の専門家LoRAで構成される、共有固有のMixture-of-LoRAアーキテクチャを使用している。 提案手法は, 分類精度0.85, マルチラベル分類0.48マイクロF1, 検出F10.79, 回帰MAE17.39を実現する。
  論文  参考訳（メタデータ） (2026-09-13T07:23:52Z)
• MA-VLA: Multi-Arm Vision-Language-Action Model for Collaboration and Compositional Generalization [67.1660214178234]
  マルチアームコラボレーションは、身体操作のコア機能になりつつある。 原子間相互作用によるマルチアーム協調のための統合フレームワークMA-VLAを提案する。 Arm Shuffleは、固定された実行ロールへの依存を減らす。
  論文  参考訳（メタデータ） (2026-08-26T14:38:04Z)
• AgentOmnia: Scaling Agentic Models for Full-Scenario Applications [36.656762500581216]
  大規模言語モデルエージェントは急速に進歩しているが、ドメイン、機能、タスクの難しさ、インタラクション設定にはまだ進歩が断片化されている。 これはTo-Consumer(ToC)、To-Business(ToB)、To-Employee(ToE)アプリケーション間でタスク空間の定義、データ合成、ポストトレーニング、評価、改善を調整するフレームワークです。
  論文  参考訳（メタデータ） (2026-07-25T09:58:24Z)
• AC-VLA: Robust Out-of-Distribution Action Execution via Compositional Learning [52.47988016454267]
  VLA(Vision-Language-Action)モデルは、エンドツーエンドのロボット操作において優れているが、アウト・オブ・ディストリビューション(OOD)の一般化に苦慮している。 構成的サブスキルのセマンティクスよりも全体論的軌道パターンに過度に適合するEmphtrajectory overfittingと、世界空間の接地を犠牲にして手首面のテクスチャを過度に強調するEmphperceptual shortcutの2つの相互強化モードを同定する。 textbfAC-VLA, プラグアンドプレイアクション構成学習について紹介する。
  論文  参考訳（メタデータ） (2026-07-17T07:51:03Z)
• Maestro: Reinforcement Learning to Orchestrate Hierarchical Model-Skill Ensembles [32.54156025863882]
  強化学習駆動オーケストレーションフレームワークであるMaestroを紹介します。 Maestroは、階層的なモデルスキルレジストリ上でのシーケンシャルな意思決定プロセスとして、異質なマルチモーダルタスクを再構成する。 数学的推論,チャート理解,高分解能知覚,ドメイン固有分析を対象とする10の代表的なマルチモーダルベンチマークに対して,Maestroの評価を行った。
  論文  参考訳（メタデータ） (2026-05-21T08:47:49Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• Law of the Weakest Link: Cross Capabilities of Large Language Models [102.91861246827797]
  我々は,Large Language Models (LLMs) が "Law of the Weakest Link" を示すことを示した。 これらの結果は, クロスキャパビリティタスクにおけるLLMの低性能化を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-09-30T05:12:01Z)

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。