論文の概要: Phase-Conditioned Affordance Fields for SE(3)-Equivariant Visuomotor Policies
- arxiv url: http://arxiv.org/abs/2610.17281v1
- Date: Mon, 12 Oct 2026 18:35:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.440917
- Title: Phase-Conditioned Affordance Fields for SE(3)-Equivariant Visuomotor Policies
- Title（参考訳）: SE(3)-同変ビズモトール反応の相条件緩和場
- Abstract要約: SE(3)-同変ビズモトールポリシーは、観測全体を単一の厳密な変換によって支配されるものとして扱う。
観測点雲上で位相条件付空き場(PAF)を学習することでこの問題に対処する。
PAFは根底にある政策の成功率を継続的に改善する。
- 参考スコア（独自算出の注目度）: 41.754765514902736
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SE(3)-equivariance provides a useful geometric inductive bias for visuomotor policies, encoding that actions covary with rigid transformations of the observation. However, existing SE(3)-equivariant visuomotor policies build this bias on a global equivariance assumption that treats the entire observation as governed by a single rigid transformation, which breaks down in real-world manipulation tasks where the task-relevant region changes across different objects. We address this by learning a phase-conditioned affordance field (PAF) over the observed point cloud, a per-point score that the SE(3)-equivariant policy uses in two complementary ways. Its score-weighted centroid serves as a learned, phase-conditioned anchor that canonicalizes the observation and the action around the active region, replacing the fixed gripper-frame reference, and the score itself is appended as a per-point feature. This introduces a local geometric inductive bias, while preserving the policy's global SE(3) equivariance. We validate on multiple MimicGen tasks under varying spatial randomization, and PAF consistently improves the success rate of the underlying policy. On multi-object real-robot tasks, PAF outperforms baselines and keeps its lead under lighting variations.
- Abstract（参考訳）: SE(3)-等分散は、振動子ポリシーに有用な幾何学的帰納的バイアスを与え、その行動は観測の厳密な変換と一致することを符号化する。
しかし、既存のSE(3)-equivariant visuomotor Policy はこのバイアスを、全ての観測を単一の厳密な変換によって支配されるものとして扱う大域的同値仮定に基づいて構築し、タスク関連領域が異なる対象間で変化する現実世界の操作タスクに分解する。
位相条件付空調場(PAF)を観測点雲上で学習することでこの問題に対処する。
スコア重み付きセントロイドは学習された位相条件付きアンカーとして機能し、観察と活動領域周辺の動作を正則化し、固定されたグリップフレーム参照を置き換え、スコア自体がポイント単位の特徴として付加される。
これは局所幾何学的帰納バイアスを導入し、政策のグローバルSE(3)同値を保存する。
我々は空間的ランダム化の異なる複数のMimicGenタスクを検証し、PAFは基盤となるポリシーの成功率を継続的に改善する。
マルチオブジェクトのリアルタイムロボットタスクでは、PAFはベースラインを上回り、ライトの変動の下でリードを維持する。
関連論文リスト
- SR-OPSD: Self-Referenced On-Policy Self-Distillation [18.590739659841926]
On-policy Self-distillation (OPSD) は、フィードバックを最適化されるポリシーによって生成されたトラジェクトリの密集したトークンレベルの監視に変換する。
各種環境における最先端・競争性能を実現するために,emphSelf-Referenced On-Policy Self-Distillation (SR-OPSD)を提案する。
論文 参考訳（メタデータ） (2026-08-10T15:40:07Z) - Warp RL: Reshaping Base Policy Distributions for Dynamics Adaptation [3.3656696418661975]
残留強化学習は、その動作に付加的な補正を学習することにより、事前訓練されたロボットポリシーに適応する。
基底分布が幾何的に変化した系と一致していない場合、残差補正は未適応のポリシーでさえも過小評価可能であることを示す。
基本方針の行動分布の可逆的状態条件変換を付加残差に置き換える政策適応手法であるWarp RLを提案する。
論文 参考訳（メタデータ） (2026-06-30T02:25:51Z) - Unsupervised Domain Adaptation for Sim-to-Real Object Pose Estimation with Contrastive Alignment and Pseudo-Label Refinement [14.854437007037683]
教師なしドメイン適応(UDA)は、シミュレーションから実環境への知識の堅牢な伝達を可能にする。
本稿では,局所領域におけるポーズに敏感な特徴の適応を目的としたCAPLRを提案する。
CAPLRは、複数のよく知られたオブジェクトポーズ推定ベンチマークにおいて、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-06-19T10:11:17Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - Stochastic MeanFlow Policies: One-Step Generative Control with Entropic Mirror Descent [53.828537014796574]
オンラインの非政治強化学習(RL)は、ポリシークラスと更新ルールの2つの選択肢によって構成されている。
我々は、MeanFlow変換を通じてノイズをアクションにマッピングする一段階生成ポリシークラスであるMeanFlow Policiesを提案する。
7つのMuJoCoベンチマークで、Sは1ステップの推論効率を維持しながら、ガウスおよび生成ベースラインを改善する。
論文 参考訳（メタデータ） (2026-05-20T15:14:14Z) - A$^2$TGPO: Agentic Turn-Group Policy Optimization with Adaptive Turn-level Clipping [16.192937389387982]
エージェント型大規模言語モデル(LLM)の強化学習は、スパースな軌道レベルの結果報酬に依存している。
A$2$TGPO (Agentic Turn-Group Policy Optimization with Adaptive Turn-level Clipping) を提案する。
論文 参考訳（メタデータ） (2026-05-07T13:09:31Z) - Entropy Ratio Clipping as a Soft Global Constraint for Stable Reinforcement Learning [49.92803982100042]
我々は,現在の政策と過去の政策のエントロピー比を新たなグローバル指標として用いることを提案する。
エントロピー比に双方向の制約を課すtextbfEntropy Ratio (ERC) 機構を導入する。
これは、グローバルな分布レベルでの政策更新を安定化させ、未サンプリングアクションの確率シフトを規制するPPOクリップの不能を補償する。
論文 参考訳（メタデータ） (2025-12-05T10:26:32Z) - Invariant Causal Imitation Learning for Generalizable Policies [87.51882102248395]
Invariant Causal Learning (ICIL) を提案する。
ICILはノイズ変数の特定の表現から切り離された因果的特徴の表現を学習する。
ICILは、目に見えない環境に一般化可能な模倣ポリシーの学習に有効であることを示す。
論文 参考訳（メタデータ） (2023-11-02T16:52:36Z) - Off-Policy Evaluation for Action-Dependent Non-Stationary Environments [28.263486678914656]
シーケンシャルな意思決定の方法は、根底にある決定プロセスが定常であるという基本的な仮定に基づいて構築されることが多い。
これは、実世界の問題は外部要因(パッシブ非定常性)、システム自体との相互作用によって引き起こされる変化(アクティブ非定常性)、あるいはその両方(ハイブリッド非定常性)によってしばしば変化するため、そのような方法の適用を制限する。
本稿では,反実的推論の二重適用と新たな重み付き器量変量回帰を用いたアルゴリズムOPENを提案する。
論文 参考訳（メタデータ） (2023-01-24T22:21:16Z)
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。