論文の概要: JitterVLA: A Replay Benchmark for Motion Quality in VLA-Driven Human-Robot Manipulation
- arxiv url: http://arxiv.org/abs/2610.13628v1
- Date: Fri, 09 Oct 2026 14:09:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.614549
- Title: JitterVLA: A Replay Benchmark for Motion Quality in VLA-Driven Human-Robot Manipulation
- Title（参考訳）: JitterVLA: VLA駆動ロボットマニピュレーションにおける動作品質のリプレイベンチマーク
- Abstract要約: ビジョンアクションポリシーは、ロボットコントローラへの到着が遅れて不規則なスパースターゲットを発行する。
人工的リーチ、20人の手指軌跡、3つの開放VLAパイプライン(838エピソード)、物理UR3に適用する。
補間はp99ジャークを全てのソースに対して83%(615～106m/s3)減らし,200ms遅延,2.0cm追尾,598回の新たなエピソードで再現した。
- 参考スコア（独自算出の注目度）: 2.1806251298441817
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-language-action (VLA) policies issue sparse targets whose arrival at the robot controller is delayed and irregular, so a reasonable predicted action can still produce abrupt motion near people. Remedies are evaluated on different streams, delays and metrics. JitterVLA replays identical commands and arrival traces through alternative controllers, isolating the controller's effect. We apply it to synthetic reaches, hand trajectories from 20 people, three open VLA pipelines (838 episodes) and a physical UR3. Interpolation lowered modeled p99 jerk for every source, by 83% (615 to 106 m/s^3) on human motion with 200 ms delay, at a 2.0 cm tracking cost, and the effect replicated on 598 new episodes; jerk-limited generation lowered jerk further at a larger cost. Entropy-discontinuity associations had opposite, replicated signs in two pipelines, and entropy gating helped in one but not the other. On the UR3, interpolation lowered accelerometer-derived jerk by 3.0-14.0% in all six exploratory pairs, while a position-derived metric did not resolve the contrast. JitterVLA supports screening before human-centred studies; code and data will be released.
- Abstract（参考訳）: 視覚言語アクション(VLA)ポリシーは、ロボットコントローラへの到着が遅れて不規則なスパースターゲットを発行する。
改善は、異なるストリーム、遅延、メトリクスで評価される。
JitterVLAは、他のコントローラを通して同じコマンドと到着トレースをリプレイし、コントローラの効果を分離する。
人工的リーチ、20人の手指軌跡、3つの開放VLAパイプライン(838エピソード)、物理UR3に適用する。
補間により、全てのソースに対してp99ジャークを83%(615～106m/s^3)減らし、200ms遅延で2.0cm追尾し、598回の新たなエピソードで再現した。
エントロピー-不連続性結合は反対で、2つのパイプラインに複製された記号を持ち、エントロピーゲーティングは一方のパイプラインで役立ったが他方のパイプラインでは役立たなかった。
UR3では、補間は6つの探索ペアすべてで加速度計由来のジャークを3.0-14.0%下げた。
JitterVLAは、人間中心の研究の前にスクリーニングをサポートし、コードとデータがリリースされる。
関連論文リスト
- SocialVLA: A Social Perception Gateway for Human-Reaction-Based Failure Detection and Recovery in VLA Manipulation [2.460614761319643]
視覚言語アクション(VLA)ポリシーは、多様なロボット操作を可能にするが、自身のエラーを認識することなく実行中に失敗する可能性がある。
本稿では,自然反応を実行時介入信号に変換する社会認識ゲートウェイであるSocialVLAを紹介する。
SocialVLAは、因果パラ言語的音声検出、視覚反応認識、明示的な停止フレーズ、ロボット関連推定を組み合わせる。
論文 参考訳（メタデータ） (2026-10-01T18:36:35Z) - ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation [6.874305530359895]
本稿では,凍ったFast-WAMをベースとした教師から,未来を意識した行動等価表現を蒸留する高密度pi0.5ポリシーであるForeTime-VLAを紹介する。
オンラインでは、8フレームの履歴エンコーダが操作フェーズと正規化された時間-遷移とともにこのターゲットを予測する。
テストMAEは0.134119から0.130593 (2.63%)に減少し、ペアリングブートストラップ95%CI:0.82-4.48%の改善、テストL2は2.46-2.93%の遅延コストで3.02%減少する。
論文 参考訳（メタデータ） (2026-08-21T04:40:41Z) - GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳（メタデータ） (2026-08-18T18:21:36Z) - 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) - Unleashing Infinite Motion: Scaling Expressive Quadrupedal Motion via Generative Video Priors [16.885943699439377]
私たちは、アクロバティックな動作とパフォーマンス的な動作にまたがる7,488個の四足歩行のオープンソースデータセットであるQuad-Imaginariumをリリースした。
生成問題として対応するデータをフレーミングすることで、動物をループから除去する、完全に自動化されたパイプラインであるUni-Moをリリースする。
実Unitree Go2上の392個のランダムサンプリング動作を96.7%の成功率で検証し,97.6%の成功率で補完した。
論文 参考訳（メタデータ） (2026-06-26T16:23:40Z) - End-to-End Spatial-Temporal Transformer for Real-time 4D HOI Reconstruction [74.31251139839047]
THOは、ビデオと3Dテンプレートから、人間の動きと調整された物体の動きを前方に予測する、エンドツーエンドの空間-時間変換器である。
実験により、THOは1つの4090 GPU上で31.5 FPSの推論速度で動作し、以前の最適化ベースの手法よりも600倍のスピードアップを達成した。
論文 参考訳（メタデータ） (2026-03-15T15:21:36Z) - cuRoboV2: Dynamics-Aware Motion Generation with Depth-Fused Distance Fields for High-DoF Robots [12.825461775215366]
cuRoboV2は、シングルアームマニピュレータからフルヒューマノイドにスケールするモーション生成スタックである。
1)スムーズさとトルク制限を強制するB-スプライン軌道最適化,(2)フルワークスペースをカバーする高密度符号付き距離場を生成するGPUネイティブTS/ESDF認識パイプライン,(3)高DoFヒューマノイドにも拡張しながら最大61倍の速度で到達する逆ダイナミクスマップ-リデュース自己ネイティブ。
論文 参考訳（メタデータ） (2026-03-05T18:58:04Z) - Global Prior Meets Local Consistency: Dual-Memory Augmented Vision-Language-Action Model for Efficient Robotic Manipulation [95.89924101984566]
GPM(Global Prior Memory)とLCM(Local Consistency Memory)を備えたデュアルメモリVLAフレームワークOptimusVLAを紹介する。
GPMはガウスノイズを意味論的に類似した軌道から取得したタスクレベルの先行値に置き換える。
LCMは、時間的コヒーレンスと軌道の滑らかさを強制する学習された一貫性制約を注入する。
論文 参考訳（メタデータ） (2026-02-22T15:39:34Z) - One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation [80.71541671907426]
OneStep Diffusion Policy (OneDP)は、事前訓練された拡散政策から知識を単一ステップのアクションジェネレータに蒸留する新しいアプローチである。
OneDPはロボット制御タスクの応答時間を著しく短縮する。
論文 参考訳（メタデータ） (2024-10-28T17:54:31Z)
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。