論文の概要: Scaling Latent Motor Adaptation to Coordinated Bimanual Manipulation

• arxiv url: http://arxiv.org/abs/2610.14833v1
• Date: Sat, 10 Oct 2026 11:49:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 11:36:22.927114
• Title: Scaling Latent Motor Adaptation to Coordinated Bimanual Manipulation
• Title（参考訳）: 協調二関節マニピュレーションにおける遅延モータ適応のスケーリング
• Abstract要約: ラピッドモータ適応(Rapid Motor Adaptation, RMA)のような埋め込み型適応法は、相互作用履歴から推定される環境力学の潜在表現に対する条件付けによってこの問題に対処する。 我々は,このパラダイムが単一アーム設定から,高次元制御,結合接触,共有物体力などによってさらに複雑になるようなバイマニュアル操作にスケールするかどうかを考察する。
• 参考スコア（独自算出の注目度）: 59.04836683011635
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Robust manipulation under uncertain object dynamics and geometry remains a core challenge in real-world robotics. Policies trained under fixed assumptions often degrade when object mass, friction, scale, or shape vary. Embedding-based adaptation methods such as Rapid Motor Adaptation (RMA) address this by conditioning actions on latent representations of environment dynamics inferred from interaction history. We investigate whether this paradigm scales from single arm settings to coordinated bimanual manipulation, where higher dimensional control, coupled contacts, and shared object forces introduce additional complexity. We evaluate bimanual RMA on three contact-rich ManiSkill tasks with randomized YCB object properties. Bimanual RMA, using observation-action history and dual wrist depth images, retains privileged policy performance on bimanual picking and lifting, while an otherwise matched stationary PPO policy without latent conditioning achieves low success; all methods remain limited on long-horizon stacking. We further demonstrate direct sim-to-real transfer on a dual Franka lifting task without real-world finetuning. Together, these results suggest that latent conditioning provides useful structure for scaling robust control to coordinated bimanual systems, while longer horizon tasks require additional temporal structure.
• Abstract（参考訳）: 不確実な物体力学と幾何学の下でのロバストな操作は、現実世界のロボティクスにおける中核的な課題である。 固定された仮定の下で訓練された政策は、物体の質量、摩擦、スケール、形状が異なるときにしばしば低下する。 ラピッドモータ適応(Rapid Motor Adaptation, RMA)のような埋め込み型適応法は、相互作用履歴から推定される環境力学の潜在表現に対する条件付けによってこの問題に対処する。 本研究では,このパラダイムが単一アーム設定から,高次元制御,結合接触,共有物体力などによってさらに複雑になるようなバイマニュアル操作にスケールするかどうかを考察する。 ランダムなYCBオブジェクト特性を持つ3つのコンタクトリッチなManiSkillタスクに対して,2次元RMAを評価する。 両手首深度画像の観察-動作履歴と両手首深度画像を用いた実測RMAは、両手首のピッキングとリフトの特権的なポリシー性能を維持し、それ以外は遅延条件のない定常的なPPOポリシーは成功率を低く保ち、全ての手法はロングホライゾン積み上げに制限されている。 さらに,実世界の微調整を伴わない2つのフランカ昇降作業において,直接シミュレートから実への移動を実証する。 これらの結果は、より長い地平線タスクは時間的構造を必要とするのに対して、潜時条件付けは協調された二元系に堅牢な制御をスケールするのに有用な構造を提供することを示している。

関連論文リスト

• CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements [63.40365657068892]
  ロボットグリップに人手によるデモンストレーションを移すことは、最近、ロボット学習の費用対効果の高いソリューションとして浮上した。 このギャップに触発された我々は、きめ細かい手の動きによって導かれる暗黙的なデータ駆動アプローチを採用した。 シミュレーションと実ロボット実験の両方において、我々のフレームワークは複雑な空間操作の安定かつ高精度なハンド・トゥ・グルーパー転送を可能にする。
  論文  参考訳（メタデータ） (2026-09-07T13:47:22Z)
• PRISM: Projection-Integrated Sampling-Based MPC with Bayesian Cost Tuning for Bimanual Manipulation [1.9669271611151167]
  乱雑で接触に富んだ環境での双方向操作には、協調した動きの生成、相互作用を考慮した計画、厳密なキネマティック制約下での信頼性の高い実行が必要である。 複雑なデュアルアーム操作のためのオンラインワールドモデルとして,GPU加速物理シミュレータを用いたプロジェクション統合サンプリングベースモデル予測制御フレームワークであるPRISMを提案する。
  論文  参考訳（メタデータ） (2026-08-26T11:47:12Z)
• Fast Coordinated Bimanual Motion Planning With Hard Constraints [0.0]
  双方向操作は複雑なタスクを可能にするが、関連する多くの自由度から追加の複雑さを導入する。 本稿では,経路全体に沿って連続的にハードトランスフォーメーションの制約を強制する高速なバイマニュアル・モーション・プランニング・パイプラインを提案する。 多様な環境, 制約, 両面プラットフォームにまたがってシミュレーションを行い, 従来よりも19.4倍高速な計画を立てた。
  論文  参考訳（メタデータ） (2026-08-21T10:08:47Z)
• CoStream: Composing Simple Behaviors for Generalizable Complex Manipulation [61.25264898597319]
  複雑な操作能力は、単純で独立した振る舞いの合成から自然に現れることを示す。 基礎モデルと多種多様な感覚モダリティを複数の構成可能なコア動作に編成するフレームワークであるCoStreamを提案する。 我々は,日常的な操作や高精度なアセンブリにまたがる8つの実世界のタスクについて,CoStreamを実証する。
  論文  参考訳（メタデータ） (2026-06-24T22:25:19Z)
• Libra-VLA: Achieving Learning Equilibrium via Asynchronous Coarse-to-Fine Dual-System [15.427164345561417]
  VLA(Vision-Language-Action)モデルは、汎用的なロボット操作において有望なパラダイムである。 本稿では,新しいデュアルシステムVLAアーキテクチャであるLibra-VLAを紹介する。 当社のアプローチは,オープンワールド操作に対して,スケーラブルで堅牢で応答性の高いソリューションを提供しています。
  論文  参考訳（メタデータ） (2026-04-27T19:02:46Z)
• Perceptive Hierarchical-Task MPC for Sequential Mobile Manipulation in Unstructured Semi-Static Environments [10.890430040930971]
  連続的な移動操作は、一貫した動きの生成だけでなく、動作環境の変化に対するロボットの認識と適応性にも依存する。 本研究では,非構造的かつ変化する環境下での効率的な移動操作を実現するための,新しい知覚的階層型タスクモデル予測制御(HTMPC)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-10T20:55:30Z)
• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• Structural Action Transformer for 3D Dexterous Manipulation [80.07649565189035]
  クロス・エボディメント・スキル・トランスファーは、ハイDoFロボットハンドの課題である。 既存の手法は、しばしば2次元の観測と時間中心の行動表現に依存し、3次元の空間的関係を捉えるのに苦労する。 本稿では、構造中心の視点を導入することで、このパラダイムに挑戦する新しい3Dデクスタラスな操作ポリシーを提案する。
  論文  参考訳（メタデータ） (2026-03-04T11:38:12Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)

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。