論文の概要: Seeing Through the Displaced Frame: Privileged Noise Distillation for Vision-Force Precision Assembly

• arxiv url: http://arxiv.org/abs/2610.07745v1
• Date: Tue, 06 Oct 2026 04:39:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.803008
• Title: Seeing Through the Displaced Frame: Privileged Noise Distillation for Vision-Force Precision Assembly
• Title（参考訳）: 移動フレームを通して見る:視覚-フォース精密組立のためのプリビレグドノイズ蒸留
• Abstract要約: 精度アセンブリにおけるポスエラーは、ロボットが観察するだけでなく、それが作用する座標フレームも破壊することができる。 FORGEベンチマークでは、公式のステートベースのポリシーは、真のポーズを持つエピソードの97%から99%で成功しているが、ベンチマークの$=5$ mmのポーズノイズ設定でわずか32%から60%しか成功していない。 私たちはこの不足した情報を2つの方法で訓練中に提供します。
• 参考スコア（独自算出の注目度）: 13.1613046836053
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pose error in precision assembly can corrupt not only what a robot observes but also the coordinate frame in which it acts. On the FORGE benchmark, the official state-based policy succeeds in 97% to 99% of episodes with the true pose but only 32% to 60% at the benchmark's $σ=5$ mm pose-noise setting. The same estimated pose enters the observation and anchors the action frame, making the offset unidentifiable from proprioceptive state alone before contact. We supply this missing information during training in two ways. A privileged teacher observes the offset in simulation, while clean demonstrations can instead be relabelled into the displaced frame in closed form. The deployed student is trained with behaviour cloning followed by one DAgger round and receives only noisy state, a raw wrench window, and two RGB cameras at test time. On the unmodified FORGE tasks, the teacher-route student maintains 92% to 99% success across $σ=0$ to 5 mm, while six non-privileged baselines fall to 2% to 80%. A matched behaviour-cloning experiment isolates the source of this robustness. With the same student architecture, data budget, and training procedure, demonstrations generated without offset access yield only 31.5% success at $σ=5$ mm, whereas privileged and relabelled demonstrations reach 88.7% and 95.8%. Deployed zero-shot on a Franka, the student reaches 83.3% pooled success at $σ=5$ mm against 34.4% for the strongest state-based policy. Deployable sensing alone is insufficient. Robustness requires supervision that encodes compensation for the latent frame offset.Project page: https://drychang.github.io/displaced-frame/
• Abstract（参考訳）: 精度アセンブリにおけるポスエラーは、ロボットが観察するだけでなく、それが作用する座標フレームも破壊することができる。 FORGEベンチマークでは、公式のステートベースのポリシーは、真のポーズを持つエピソードの97%から99%で成功しているが、ベンチマークの$σ=5$ mmのポーズノイズ設定でわずか32%から60%しか成功していない。 同じ推定されたポーズが観察に入り、アクションフレームをアンカーする。 私たちはこの不足した情報を2つの方法で訓練中に提供します。 特権教師はシミュレーションにおいてオフセットを観察し、クリーンなデモンストレーションをクローズドな形で置き換えることができる。 配備された学生は、行動クローンの訓練を受け、続いてDAggerラウンドを1回行い、ノイズの多い状態、生のレンチウィンドウ、2台のRGBカメラをテスト時に受信する。 修正されていないFOGEタスクでは、教師ルートの学生は、$σ=0$から5mmで92%から99%の成功を維持し、非特権の6つのベースラインは2%から80%に低下する。 一致した行動閉鎖実験は、この堅牢性の源を分離する。 同じ学生アーキテクチャ、データ予算、トレーニング手順で、オフセットアクセスなしで生成されたデモは、$σ=5$ mmで31.5%しか成功しない。 フランカでゼロショットが展開され、学生は83.3%成功し、最強の州ベースの政策では34.4%に対して、σ=5$ mmで成功している。 デプロイ可能なセンシングだけでは不十分です。 プロジェクトページ: https://drychang.github.io/displaced-frame/

関連論文リスト

• Plan-Conditioned Imitation for Robust Object Retrieval under Self-Occlusion in Dense Clutter [22.623162223217278]
  TRACEは自己閉塞下での検索のための計画条件付き模倣フレームワークである。 特権教師が固定名義ロールアウトを生成するデジタルツインを初期化する。 TRACEは、名目上のリプレイが43.4%、特権的な閉ループ教師が96.7%に対して90.7%の成功を収めている。
  論文  参考訳（メタデータ） (2026-09-30T03:15:22Z)
• Reward Hacking Challenges Oversight of Autonomous Research Agents [104.38175629103235]
  自律的な研究エージェントは実験を設計し、結果を評価し、レポートを書き、科学的結果とそれを支持する証拠の両方を制御できる。 これは、意図した目標を達成することなく、報酬基準を満たす、報酬ハックのリスクを生み出す。 そこで本研究では,ハッキングが許可された場合,その方法がいかに効果的かつ検出可能か,LCMレビューパネルが意思決定と理由を返却した場合にどのように適応するか,などについて検討する。
  論文  参考訳（メタデータ） (2026-09-23T17:54:01Z)
• Learning Foresight without Explicit Trajectories for 3D Diffusion Policies [54.692734738738885]
  3次元拡散ポリシは、現在の観測から幾何学的に基底化されたアクションを生成するのに強い。 我々は,この予測を明示的な計画を導入することなく,シンプルかつ効果的な手段である運動傾向ガイダンスを導入する。 正確にどこに移動すべきかを告げることなく、相互作用がどこに向かっているかを知ることで、大きなメリットを享受できることを、私たちは示しています。
  論文  参考訳（メタデータ） (2026-09-17T16:44:13Z)
• Hybrid Residual Reinforcement Learning for Contact-Rich Robotic Book Insertion [3.0847492739300546]
  制御権限を既知の幾何学と学習行動に分割する方法について検討する。 提案手法は,構成された挿入・着座のための名目的なタスク空間コントローラを保有する一方,残余のPPOは局所的な補正を行う。 ハードウェア上での最終的なポリシーでは、512の固定条件に対する配置整合シミュレーションが98.50%の成功をもたらす。
  論文  参考訳（メタデータ） (2026-09-17T09:34:29Z)
• VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control [57.5995346750474]
  VA-Benchを導入し、完全なオブザーバ・レアソン・アクト・リビジョンループを評価する。 汎用MLLMは、RGBのみのデモンストレーションから手続き的コンテキストを学習する。 モデルには特権オブジェクトのポーズ、オラクルの軌跡、学習されたアクションヘッドは含まれない。
  論文  参考訳（メタデータ） (2026-09-17T01:24:51Z)
• Distill Skills into Weights, Not Prompts: Abstract Skills as Privileged Signals for On-Policy Self-Distillation [7.296659715681798]
  検証可能な報酬を持つ強化学習は、ロールアウトグループが均一に正しいか均一に間違っている場合、グループ相対的な信号を与えない。 SKALD(Skill-Anchored Latent Distillation)は、同一のQwen3-Baseモデルの2つのコンテキストビューを利用する、オンライン自己蒸留フレームワークである。
  論文  参考訳（メタデータ） (2026-08-10T16:43:18Z)
• Perfect Demo Makes Poor Teacher: Learning Robust Alignment from Critical Motion Segments [53.85970147743299]
  専門家によるデモンストレーションは、ロボット模倣学習における金の標準であると広く考えられている。 しかし、挿入、積み重ね、アライメントなどのきめ細かい操作のために、私たちは直感的な失敗モードを発見しました。 視覚言語モデルとアクションエキスパートをブリッジする,コンパクトな動的特徴であるSTAIRを導入する。
  論文  参考訳（メタデータ） (2026-06-14T04:15:29Z)
• Beyond False Stability: High-Noise Drift Gating for Test-Time Adversarial Defenses in Vision-Language Models [37.24612885977265]
  CLIPのような視覚言語モデル(VLM)は、強いゼロショットの一般化を示すが、敵攻撃に対して非常に脆弱である。 最近のアプローチでは、CLIPの視覚的表現が摂動にどのように反応するかを利用する。 軽量ゲーティング信号として高雑音特徴ドリフトを用いた学習自由なプラグインドリフトゲート機構を提案する。
  論文  参考訳（メタデータ） (2026-06-02T14:49:04Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Outcome Accuracy is Not Enough: Aligning the Reasoning Process of Reward Models [108.26461635308796]
  Rationale Consistencyは、モデルの推論プロセスと人間の判断のアライメントを定量化する、きめ細かい計量である。 我々のフロンティアモデルの評価では,最先端モデル間で合理的な一貫性が効果的に識別できることが示されている。 我々は、GenRMトレーニングの合理性一貫性と結果精度を組み合わせたハイブリッド信号を導入する。
  論文  参考訳（メタデータ） (2026-02-04T15:24:52Z)

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。