論文の概要: Intent-guided Adaptive Stiffening for Visuomotor Policies under Unknown Resistance
- arxiv url: http://arxiv.org/abs/2610.18386v1
- Date: Tue, 13 Oct 2026 13:36:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 21:36:26.142733
- Title: Intent-guided Adaptive Stiffening for Visuomotor Policies under Unknown Resistance
- Title（参考訳）: 未知抵抗下での生体反応に対するインテントガイド付適応スニッフィング法
- Abstract要約: 生成的ビズモータポリシは、そのようなタスクの動作を予測するが、それを実現するために必要な権限は持っていない。
未修正政策の下に置かれた残留硬化層を提案する。
レイヤにはコンプライアンスラベルが不要で、トレーニングは不要で、再コンパイルされたデモは不要である。
- 参考スコア（独自算出の注目度）: 2.192218645534479
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Manipulation tasks such as unscrewing a cap or sliding a part in contact with a surface require imposing force along a high-friction direction: the robot must overcome a resistance rather than yield to it. Generative visuomotor policies predict the motion for such tasks but not the authority needed to realize it, and that authority is bounded by the impedance controller beneath them: when the resistance exceeds what a compliant controller can exert under a bounded tracking error, the task is unattainable however accurate the prediction is. The required amount cannot be anticipated either, since it depends on a contact state the observation does not reveal. In this paper, we propose a residual stiffening layer placed underneath an unmodified policy. Resistance is recognized, without force sensing, from the mismatch between the motion the policy commands and the motion the robot realizes, and a four-mode supervisor raises the stiffness along a single direction read off the policy's own action chunk, retains it while the task progresses and releases it afterwards. The layer needs no compliance labels, no retraining and no re-collected demonstrations. On two real tasks, unscrewing a bottle cap and pushing a T-nut along a T-slot groove against non-homogeneous friction, evaluated at six resistance levels of which two were withheld from the demonstrations, the layer raises the success rate from 52% to 90% while producing 61% less peak off-axis force than a uniformly stiff controller at the same resistance.
- Abstract（参考訳）: キャップを解き放つ、または表面と接触する部分を滑らせるなどの操作タスクは、高い摩擦方向に沿って強制力を必要とする。
生成的ビズモータポリシーは、そのようなタスクの動作を予測するが、それを実現するために必要な権限ではなく、その権限は、その下のインピーダンスコントローラによって拘束される。
観測が明らかにしない接触状態に依存するため、必要量の予測もできない。
本稿では,未改質政策の下に置かれた残留硬化層を提案する。
ロボットが認識する動作とロボットの動作とのミスマッチから、抵抗は力覚なく認識され、4モードのスーパーバイザーは、ポリシーのアクションチャンクを読み取る一方向に沿って剛性を高め、タスクが進行している間にそれを保持し、その後解放する。
レイヤにはコンプライアンスラベルが不要で、トレーニングは不要で、再コンパイルされたデモは不要である。
2つの実際のタスクにおいて、ボトルキャップを解き、Tスロット溝に沿ってTナットを非均一摩擦に押し付け、その6つの抵抗レベルで評価し、その2つの抵抗レベルは、同じ抵抗で均一に剛性のある制御装置よりも61%低いピーク軸力で成功率を52%から90%に引き上げる。
関連論文リスト
- TacGooseBumps (TacGB): Retrofitting Normal-Only Tactile Sensors with Shear Encoding for Learning Contact-Rich Manipulation [54.86974994302033]
接触に富んだ政策はしばしば失敗する。なぜなら、異なる物理的状態は似ているが異なる行動を必要とするからである。
本稿では,既存のセンサの圧力マップのパターン変化として,タンジデンシャルローディングを機械的にエンコードするパッシブドームフィルムであるTacGooseBumpsを紹介する。
4つの模倣学習タスクと2つのデータ収集パイプラインで、TacGBは目標達成、効率、接触品質を改善している。
論文 参考訳（メタデータ） (2026-09-27T23:04:32Z) - Real-Time Force Regulation for Whole-Hand Dexterous Grasping [56.253219596767075]
本報告では, 接触の動的変化に対するリアルタイム力規制の枠組みについて述べる。
本手法は, 触覚を必要とせず, 全ハンドリンクにまたがる接触を幾何学的に推定する。
我々は,この力調節制御系を反応的リーチと統合し,手の動きを把握し,乱れ下で保持し,物体を失くした後の再生を可能にする。
論文 参考訳（メタデータ） (2026-09-24T16:31:51Z) - Compliance for Free: Learning Identifiable Impedance via Bilateral Teleoperation [4.531952468721763]
ヴィジュアル・トルク・アクションのモデルは、ロボットにどこに動くべきかを伝えるが、押すのがいかに難しいかはわからない。
適合性は、実効的なポーズであり、測定された力は、演算子の意図する平衡と剛性とを分離できないため、識別可能である。
事前のコンプライアンス・アウトプットポリシーは、手動で指定したタスク構造、特権化されたシミュレーションコンタクト状態、専用の力と触覚ハードウェアでこれを扱う。
4チャンネルの双方向遠隔操作は、目的の平衡を別々に測定するためにリードアームを使用することにより、あいまいさを直接除去する。
論文 参考訳（メタデータ） (2026-09-17T09:49:26Z) - Humanoid Safe Stop via Learned Stoppability Value [61.25464390942355]
本稿では,学習した停止ポリシーと学習した停止可能性推定器を組み合わせたタスク非依存のフレームワークを提案する。
推定器は、固定された停止ポリシーの実際の結果によって監督される停止確率推定器と、ハミルトン・ヤコビの物理的状態に対するバックアップによって監督される到達回避推定器である。
論文 参考訳（メタデータ） (2026-09-02T09:29:39Z) - FORGE-plus: Force-Budgeted Recovery for Contact-Rich Assembly with a Frozen LLM Supervisor [0.0]
力条件強化学習(RL)は、強制力天井下での厳密なクリアランスアセンブリを可能にする。
本稿では,テキストのみの大規模言語モデル(LLM)が実行前にオブジェクトごとの力天井を割り当てるフレームワークを提案する。
2つのグリップパを用いて, 脆性ボトル配置と0.4mmダイメトラルクリーランス歯車挿入の枠組みを評価した。
論文 参考訳（メタデータ） (2026-07-23T11:43:31Z) - URF: A Unified Robot Control-Policy Framework for Stable Contact Aware Manipulation [7.1804801181795215]
We propose a textitUnified Robot Control-Policy Framework (URF)
URFは、コンプライアンス・アクション予測とインピーダンス・アドミタンス・コントロールを結合する。
その結果, 接触対応ポリシは, 適合行動だけでなく, 制御動作の予測にも有効であることが示唆された。
論文 参考訳（メタデータ） (2026-07-23T04:46:19Z) - Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers [27.33711271960601]
変圧器を用いたアクションチャンキング (ACT) は, きめ細かい操作において高い性能を示した。
多くのデプロイメントでは、リーダとフォロワの遠隔操作を通じてデモを収集する。
本稿では,ACTの見かけの力覚は,この隠れた相互作用キューに依存するかを検討する。
論文 参考訳（メタデータ） (2026-07-16T05:16:05Z) - Intention assimilation control for accurate tracking with variable impedance in teleoperation [5.5537964695827]
本研究では,ロボットの追尾精度を高剛性で確保できる意図的同化制御戦略を提案する。
IACは、ロボットがユーザーの動きを正確に再現し、意図に応じてインピーダンスを調節する自由を与える。
論文 参考訳（メタデータ） (2026-05-07T23:31:12Z) - Learning Vision-based Pursuit-Evasion Robot Policies [54.52536214251999]
我々は、部分的に観察可能なロボットの監督を生成する完全観測可能なロボットポリシーを開発する。
我々は、RGB-Dカメラを搭載した4足歩行ロボットに、野生での追従回避のインタラクションにポリシーを展開させる。
論文 参考訳（メタデータ） (2023-08-30T17:59:05Z) - Uncertainty-aware Unsupervised Multi-Object Tracking [33.53331700312752]
教師なしマルチオブジェクトトラッカーは、信頼できる機能埋め込みの学習に劣る。
最近の自己監督技術は採用されているが、時間的関係を捉えられなかった。
本稿では、不確実性問題は避けられないが、不確実性自体を活用して学習された一貫性を向上させることができると論じる。
論文 参考訳（メタデータ） (2023-07-28T09:03:06Z)
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。