論文の概要: The Robot Is Not Its Description: GaugeBench for Representation Robustness in Morphology-Aware Policies
- arxiv url: http://arxiv.org/abs/2610.07597v1
- Date: Tue, 06 Oct 2026 01:37:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.747791
- Title: The Robot Is Not Its Description: GaugeBench for Representation Robustness in Morphology-Aware Policies
- Title（参考訳）: モロフォロジーを意識したロボット「GaugeBench」
- Abstract要約: ロボットの説明は、物理的なメカニズムを規定する以上のことをする。
また、ジョイント軸方向、ジョイント角ゼロ、リンクとジョイントの順序や名前などの任意の規則を符号化する。
クロス・エボディメント・アセスメント(英語版)は、通常、これらの慣行を固定しながらロボットを変化させる。
- 参考スコア（独自算出の注目度）: 5.339642126020543
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A robot description does more than specify a physical mechanism: it also encodes arbitrary conventions, such as joint-axis direction, joint-angle zero, and the order and names of links and joints. Morphology-aware policies consume interfaces built from these descriptions, yet cross-embodiment evaluation typically changes the robot while keeping those conventions fixed. This leaves a simple question unanswered: does behavior survive when the robot stays fixed but its description changes? GaugeBench isolates this case by rewriting a fixed mechanism under physically equivalent conventions, verifying that its physics and policy interface are preserved, and then evaluating the same policy weights. The result is stark: three MetaMorph policies score 4030.6 on 80 familiar robots, but only 51.6 when those same robots are equivalently re-described, while 98 genuinely held-out robots score 1489.6. A new description can therefore be more damaging than a new robot. Tracing the failure reveals that axis reversal alone reproduces the collapse, joint-angle zero changes are nearly harmless, and reordering lies between them; moreover, changing joint-state and torque coordinates alone is sufficient to cause the failure, while changing description-derived features alone is not. The same phenomenon appears in ModuMorph and an unrelated PyBullet framework. Yet it is not irreversible: exact two-description transport restores the original controller, and training across equivalent axis conventions raises retained return under axis reversal from 3.6% to 80.6%. Together, these results separate mechanism robustness from representation robustness and show that cross-embodiment evaluation should test both.
- Abstract（参考訳）: ロボットの説明は物理的なメカニズムを規定するだけでなく、関節軸方向、関節角ゼロ、リンクと関節の順序や名前などの任意の規則を符号化する。
形態を意識したポリシーは、これらの記述から構築されたインターフェースを消費するが、クロスエボディメント評価は通常、これらの規約を修正しながらロボットを変化させる。
ロボットが固定されたままで、説明が変わっても、行動は生き残るのか?
GaugeBenchはこのケースを、物理的に等価な規約の下で固定されたメカニズムを書き換え、その物理とポリシーインターフェースが保存されていることを検証し、同じポリシーウェイトを評価することで分離する。
3つのMetaMorphポリシーは80の馴染みのあるロボットで4030.6点、同じロボットが同等に書き直された時点では51.6点、真に持たない98のロボットでは1489.6点である。
そのため、新しい説明は、新しいロボットよりも傷つきやすい。
故障の追跡は、軸反転だけでは崩壊を再現し、関節角ゼロの変化はほぼ無害であり、それらの間にある嘘を並べ替える。
同じ現象がModuMorphと無関係なPyBulletフレームワークに現れる。
正確な2つの記述されたトランスポートは元のコントローラを復元し、等価な軸の規則を通したトレーニングは、軸の反転の下でのリターンを3.6%から80.6%に引き上げる。
これらの結果と合わせて、ロバスト性は表現のロバスト性から切り離され、クロス・エボディメント評価は両方をテストするべきであることを示す。
関連論文リスト
- Robotizing Human Videos with Physically Consistent Interactions [54.27025073220947]
ビデオ編集の手法は手でレンダリングされたロボットに取って代わるが、不正確なインタラクションの再構築は不整合の把握を生み出す。
これらの障害には、相互作用幾何学とシーン可視性という2つの相補的な物理的側面から対処する。
その結果得られたビデオは、人間のデモの相互作用構造をロボット互換の形で保存し、ロボットのデモと共同で訓練される。
論文 参考訳（メタデータ） (2026-10-05T11:08:50Z) - Screw Attention: Rigid-Body Algebra Inside a Transformer [0.0]
本稿では,2つの物体間の関係をグラフエッジではなく空間変換とする変換器層であるScrew Attentionを提案する。
この関係に沿ってメッセージは受信者のフレームに転送され、アテンションスコアはフレーム不変量のみを表示する。
LIBERO-Spatialでは、オブジェクトのポーズから訓練された16kパラメータのポリシーが97.3%の成功に達し、同じサイズのグラフ、トランスフォーマー、フラットネットワーク、27倍のパラメータを持つフラットネットワークである。
論文 参考訳（メタデータ） (2026-10-01T01:33:45Z) - Robot World Models Are Not Invariant to How the Actions Are Written [0.0]
一方のパラメータ化で訓練された潜在力学モデルを示し、他方の崩壊で書かれた同一の指令軌道を手渡した。
Retrievalは3つのロボットデータセットと2つの形態の2.6-13.4xで分解される。
PushTでは、平均化だけで軸を修復しない。
論文 参考訳（メタデータ） (2026-09-19T23:41:03Z) - Hydra-0: Action Flow for Generalist World Modeling and Control [64.88849745875753]
Hydra-0はアクションフローを条件とした世界モデルであり、ロボットの動きをピクセルの動きとして表現している。
我々の最良の構成は、90.4%のロボットモーションエラー、60.2%のオブジェクトモーションエラーを達成する。
訓練されたアクションヘッドは、タスク固有の専門家ロボットのデモンストレーションを必要とせずに、得られた潜在機能を実行可能なアクションにマッピングする。
論文 参考訳（メタデータ） (2026-08-18T17:59:30Z) - 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) - Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models [95.75234389806654]
本稿では、Qwen-VL上に構築された一般化可能なビジョン・ランゲージ・アクション基盤モデルであるQwen-RobotManipを提案する。
Qwen-RobotManipは、操作の表現、動き、行動の次元にわたって統合されたアライメントフレームワークを導入している。
人間とロボットの合成パイプラインは、エゴセントリックな手の動きを15プラットフォームにわたるロボットの軌道に変換する。
論文 参考訳（メタデータ） (2026-06-16T12:14:39Z) - EmbodiSteer: Steering Embodiment-Agnostic Visuomotor Policies with Joint-Space Guidance for Zero-Shot Cross-Embodiment Deployment [7.14164117393883]
EmbodiSteerは、ゼロショットでエボディメント対応のデプロイメントに対して、エボディメントに依存しないビズモータポリシを操縦する、トレーニング不要のフレームワークである。
衝突速度を46.1%削減し、9つの模擬ロボットでタスク成功率を28.5%向上させる。
論文 参考訳（メタデータ） (2026-06-11T06:49:39Z) - MorFiC: Fixing Value Miscalibration for Zero-Shot Quadruped Transfer [50.54752207285298]
異なる形態を持つ四足歩行ロボット間で学習された移動ポリシーを一般化することは、依然として課題である。
単一共有ポリシを用いたゼロショットクロスモルフォロジーロコモーションのための強化学習手法であるMorFiCを提案する。
また,MorFiCは,形態素間の値予測誤差の分散を低減し,有利な推定値を安定化することを示した。
論文 参考訳（メタデータ） (2026-03-15T19:03:34Z) - Robots that redesign themselves through kinematic self-destruction [6.65102274739905]
これまで構築されたすべてのロボットは、デプロイ前に外部プロセスによって事前設計された。
我々は、その生涯に自身のデザインに積極的に参加するロボットを紹介します。
論文 参考訳（メタデータ） (2026-03-12T22:50:54Z)
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。