論文の概要: Cross-Embodiment Affordance Transfer for Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2610.18194v1
• Date: Tue, 13 Oct 2026 11:31:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:57:46.206417
• Title: Cross-Embodiment Affordance Transfer for Robotic Manipulation
• Title（参考訳）: ロボットマニピュレーションのためのクロス・エボディメント・アフォーマンス・トランスファー
• Abstract要約: 本稿では,人間の手当アノテーションをロボットが実行可能な手当予測に翻訳するフレームワークを提案する。 ネットワークは、対象物の表面領域がロボットによって物理的に実行可能であることを予測する。 UR5eロボットアーム上の2つの並列ジャウ構成を用いて、家庭用オブジェクトデータセット上で評価を行った。
• 参考スコア（独自算出の注目度）: 0.22940141855172033
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic manipulation systems commonly learn object affordances from human-annotated datasets, which reflect interaction possibilities for a human hand rather than the physical constraints of a specific robot. For example, a surface region of an object identified as graspable by a human annotator may be geometrically unreachable or mechanically infeasible for a robot, yet this mismatch is rarely addressed explicitly. To tackle this challenge, we proposed a framework that translates human affordance annotations into robot-executable affordance predictions conditioned on the physical properties of the robot. The network predicts which surface regions of an object are physically executable by the robot, given a 3D point cloud of an object and a descriptor encoding the robot's geometry and constraints. The model was trained using human-annotated affordances together with robotic execution outcomes from multiple sampled approach trials in simulation, where execution outcomes determined which regions are executable for the robot. The evaluation was performed on a household objects dataset using two parallel-jaw gripper configurations on a UR5e robot arm. The framework outperformed a model that does not receive information about the robot. The experimental results demonstrated that affordance prediction must be conditioned on the robot and that human annotations alone are insufficient for learning robot-executable affordance representations.
• Abstract（参考訳）: ロボット操作システムは、特定のロボットの物理的制約ではなく、人間の手との相互作用可能性を反映した、人間の注釈付きデータセットからオブジェクトの余裕を一般的に学習する。 例えば、人間のアノテータによって把握可能であると認識される物体の表面領域は、幾何学的には到達不能または機械的にロボットには実現できないが、このミスマッチが明示的に言及されることは滅多にない。 この課題に対処するために,ロボットの物理的特性を前提とした,人間の手頃なアノテーションをロボットが実行可能な手頃な価格予測に変換するフレームワークを提案する。 ネットワークは、物体の3次元点雲とロボットの幾何学と制約を符号化する記述子を与えられた状態で、物体の表面領域がロボットによって物理的に実行可能であるかを予測する。 このモデルは、ロボットがどの領域をロボットに実行可能かを決定する複数のサンプルアプローチ試験によるロボット実行結果とともに、人間アノテートアプライアンスを用いてトレーニングされた。 UR5eロボットアーム上の2つのパラレルジャウグリップ構成を用いて、家庭用オブジェクトデータセット上で評価を行った。 このフレームワークは、ロボットに関する情報を受け取らないモデルよりも優れていた。 実験結果から,ロボット上での空き時間予測は条件付きであり,人間のアノテーションだけでは,ロボットが実行可能な空き時間表現を学習するには不十分であることが確認された。

関連論文リスト

• DataLadder: A Simulation-Enabled Interconversion Toolchain for the Embodied Data Pyramid [63.45560198934907]
  ジェネラリストロボットポリシーは、信頼できる評価とロボット使用可能なトレーニングデータを必要とする。 本稿では,人間ロボットによるモデル評価とデータ生成のためのシミュレーション可能な変換ツールチェーンであるDataLadderを提案する。 JD Cloud上のクラウドサービスとして、コア再構築、シミュレーション、レンダリング、リアリズム拡張モジュールをパッケージ化します。
  論文  参考訳（メタデータ） (2026-06-15T14:21:35Z)
• Model Reconciliation through Explainability and Collaborative Recovery in Assistive Robotics [4.666406865641358]
  我々は,ロボットと人間のメンタルモデルの違いを予測し,説明するために,大規模言語モデルを利用する。 本フレームワークは,人間にロボットの修正を許すことで,説明後のモデルのばらつきを解決することを目的としている。
  論文  参考訳（メタデータ） (2026-01-10T12:38:08Z)
• MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training [102.850162490626]
  人間のロボットによる相互模倣事前学習による視覚-言語-行動モデルであるMiVLAを提案する。 MiVLAは、最先端のVLAよりも優れた、強力な改良された一般化能力を実現する。
  論文  参考訳（メタデータ） (2025-12-17T12:59:41Z)
• Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
  微分可能シミュレーションは、システム識別の強力なツールとなっている。 本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。 低コストなロボットプラットフォームにおける本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-04T20:48:38Z)
• InteRACT: Transformer Models for Human Intent Prediction Conditioned on Robot Actions [7.574421886354134]
  InteRACTアーキテクチャは、大規模な人間と人間のデータセットと小さな人間とロボットのデータセットの微細構造に関する条件付き意図予測モデルを事前訓練する。 実世界の協調的なロボット操作タスクについて評価し、条件付きモデルが様々な限界ベースラインよりも改善されていることを示す。
  論文  参考訳（メタデータ） (2023-11-21T19:15:17Z)
• Robots with Different Embodiments Can Express and Influence Carefulness in Object Manipulation [104.5440430194206]
  本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。 ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
  論文  参考訳（メタデータ） (2022-08-03T13:26:52Z)

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。