論文の概要: DEFT-VLA: Stage-Localized Force Specialization for Contact-Rich Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2610.14854v1
- Date: Sat, 10 Oct 2026 12:14:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 11:25:30.977482
- Title: DEFT-VLA: Stage-Localized Force Specialization for Contact-Rich Robotic Manipulation
- Title（参考訳）: DEFT-VLA:コンタクトリッチロボットマニピュレーションのためのステージローカライズドフォーススペシャライゼーション
- Abstract要約: DFT-VLA(Dual-Expert Force-specialized Training for Vision-Language-Action Manipulation)を提案する。
視覚に適応した非接触行動のタスク管理ベースエキスパートを維持し、クリティカルコンタクトステージのためのフォース対応コンタクトエキスパートを導入している。
各タスクにおいて最強のベースラインに対して、全体的なタスク成功率を20～40ポイント向上させる。
- 参考スコア（独自算出の注目度）: 1.1198087649822484
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contact-rich manipulation poses a stage-dependent sensory conflict: vision and proprioception are essential for localization and approach, when force is largely uninformative and potentially distracting, whereas force becomes critical after contact, when irrelevant visual details and correlated robot states may become shortcuts. We propose DEFT-VLA (Dual-Expert Force-specialized Training for Vision-Language-Action Manipulation), which retains the task-adapted base expert for vision-dominated non-contact behavior and introduces a force-aware contact expert for critical contact stages, localizing force-conditioned adaptation to where it is needed. We further introduce a contact-localized force-attending curriculum that applies force-attending post-training only to the contact expert, progressively restoring vision and masking state tokens to suppress shortcuts. Real-robot experiments on pipette tip attachment, bimanual pipette aspiration, and whiteboard wiping show that DEFT-VLA effectively exploits force feedback to improve contact-stage performance while maintaining strong non-contact behavior and robustness to held-out grasp heights. It improves overall task success by 20-40 percentage points over the strongest baseline on each task.
- Abstract（参考訳）: 視覚とプロプレッセプションは局所化とアプローチに不可欠であり、力がほとんど非形式的であり、潜在的に注意をそらすものであるのに対して、力は接触後に重要になり、無関係な視覚的詳細と関連するロボット状態がショートカットとなる。
本稿では,視覚を主体とした非接触行動のタスク適応ベースエキスパートを維持し,重要な接触ステージに対する力覚接触エキスパートを導入し,必要な場所への力覚適応を実現するDFT-VLA(Dual-Expert Force-specialized Training for Vision-Language-Action Manipulation)を提案する。
さらに,コンタクト専門家にのみ強制訓練を施し,視覚を段階的に回復させ,ショートカットを抑えるための状態トークンをマスキングする,接触局所型強制訓練カリキュラムを導入する。
DEFT-VLAは力フィードバックを効果的に活用し、接触ステージ性能を向上させるとともに、堅固な非接触挙動と頑健さを保持できることを示す。
各タスクにおいて最強のベースラインに対して、全体的なタスク成功率を20～40ポイント向上させる。
関連論文リスト
- TAO-Force: Unifying Force-Aware Perception and Fast-Slow Control for Contact-Rich Manipulation [8.394835304414192]
本稿では,力覚政策学習と接触制御実行を組み合わせた強制条件付きVLAフレームワークTAO-Forceを提案する。
力覚認識のために、TAO-ForceはF-FiLM(Force-conditioned Feature-wise Linear Modulation)を導入し、凍結した視覚言語バックボーンの表現にエンコードされた力フィードバックを注入する。
応答性制御には、非接触相における名跡軌跡追跡の遅い位置制御分岐と、接触相における物理的相互作用を制御する高速アプタンス制御分岐と、接触ゲート型高速スローアーキテクチャを用いる。
論文 参考訳（メタデータ） (2026-09-16T11:34:45Z) - ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching [53.30290192030814]
ForceFlowは、フローマッチングに基づいて構築された、フォース対応のリアクティブフレームワークである。
ForceFlowは、強力なベースラインであるForceVLAよりも37%の成功率の向上を実現している。
また、接触力の自己調節において、正確な力信号予測と優れた性能を示す。
論文 参考訳（メタデータ） (2026-05-11T13:27:00Z) - ForceVLA2: Unleashing Hybrid Force-Position Control with Force Awareness for Contact-Rich Manipulation [75.39847750457626]
エンドツーエンドの視覚言語アクションフレームワークであるForceVLA2は、ハイブリッドな力配置制御と明示的な力覚を備えたロボットを装備する。
学習と評価を支援するために,5つの接触豊富なタスクに1,000の軌道を含むForceVLA2-Datasetを構築した。
実験により、ForceVLA2は接触リッチな操作における成功率と信頼性を大幅に改善することが示された。
論文 参考訳（メタデータ） (2026-03-16T12:03:58Z) - CRAFT: Adapting VLA Models to Contact-rich Manipulation via Force-aware Curriculum Fine-tuning [46.57805525532354]
Vision-Language-Actionモデルは一般的な命令を実行できるが、コンタクトリッチな操作タスクに苦労する。
CRAFTは、初期訓練中に視覚と言語埋め込みを調節する力覚カリキュラムの微調整フレームワークである。
CRAFTはタスクの成功を継続的に改善し、未確認のオブジェクトや新しいタスクのバリエーションに一般化し、多様なVLAアーキテクチャに効果的に適応することを示す。
論文 参考訳（メタデータ） (2026-02-13T02:28:21Z) - FD-VLA: Force-Distilled Vision-Language-Action Model for Contact-Rich Manipulation [8.726448573057725]
本稿では,力覚をコンタクトリッチな操作に統合する新しいフレームワークであるForce-Distilled VLAを提案する。
当社のアプローチのコアは、学習可能なクエリトークンをマッピングすることで、フォースを蒸留するFDM(Force Distillation Module)である。
推理中、この蒸留された力トークンは、予め訓練されたVLMに注入され、力を認識する推論が可能となる。
論文 参考訳（メタデータ） (2026-02-02T14:19:46Z) - ForceVLA: Enhancing VLA Models with a Force-aware MoE for Contact-rich Manipulation [62.58034332427291]
ForceVLAは、新しいエンドツーエンド操作フレームワークである。
外部力センシングは、VLAシステム内の第一級のモダリティとして扱う。
論文 参考訳（メタデータ） (2025-05-28T09:24:25Z)
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。