論文の概要: Collective Learning for Unified Robotic Manipulation via Predictive Dynamics Adaptation

• arxiv url: http://arxiv.org/abs/2610.19141v1
• Date: Tue, 13 Oct 2026 20:09:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.782604
• Title: Collective Learning for Unified Robotic Manipulation via Predictive Dynamics Adaptation
• Title（参考訳）: 予測ダイナミクス適応による統一ロボットマニピュレーションのための集団学習
• Abstract要約: PACEはロボットのための2段階の集合学習フレームワークである。 共有タスク空間の意図とエンボディメントに依存した遷移ダイナミクスを分離する。 全体的な成功率は93%を超え、89%が非流通型ゼロショット型ロボットである。
• 参考スコア（独自算出の注目度）: 38.91589220717033
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning a collective policy for state-based Cartesian manipulation across diverse robotic embodiments presents a fundamental challenge due to embodiment-dependent transition dynamics. Collective learning aggregates multi-robot experience to discover shared task structure, yet naive aggregation can average incompatible action modes when different embodiments realize the same Cartesian command through different transition behavior. This leads to strategy ambiguity and performance collapse on dynamically outlying embodiments. To address this, we propose PACE, a two-stage collective learning framework that separates shared task-space intent from embodiment-dependent transition dynamics. The first stage employs a representation layer pre-trained on offline trajectories to extract task-level context from collective data. The second stage introduces a decision layer equipped with a predictive dynamics adapter. By forcing the latent state to predict future transitions, this adapter acts as a latent regularizer that grounds the policy in the transition behavior of the executing robot while preserving real-time inference without online planning. Evaluations across simulated embodiments demonstrate that our method prevents performance collapse on distinct robots. It achieves over 93\% overall success and 89\% on dynamically out-of-distribution zero-shot simulated robots, outperforming the Transformer behavior cloning (82\%) and diffusion policy baselines (66\%). Physical KUKA deployment further validates the feasibility of the full state-based pipeline under zero-shot sim-to-real transfer.
• Abstract（参考訳）: 多様なロボットエボディメントにまたがる状態に基づくカルト的操作の集合的ポリシーを学ぶことは、エンボディメントに依存したトランジションダイナミクスによる根本的な課題である。 集合学習は、共有タスク構造を発見するために、複数ロボットの経験を集約するが、異なる実施形態が異なる遷移動作を通じて同じカルテシアンコマンドを実現する場合、単純な集約は、平均的に非互換な動作モードを実現することができる。 これは、戦略の曖昧さと、動的に外在する実施上のパフォーマンスの崩壊につながる。 そこで本研究では,共有タスク空間意図をエンボディメントに依存した遷移ダイナミクスから分離する2段階の集合学習フレームワークであるPACEを提案する。 第1段階では、オフライン軌道上で事前訓練された表現層を使用して、集合データからタスクレベルコンテキストを抽出する。 第2段階では、予測力学アダプタを備えた決定層を導入する。 このアダプタは、潜伏状態に将来の遷移を予測するよう強制することにより、オンライン計画なしでリアルタイムの推論を保ちながら、実行中のロボットの遷移動作のポリシーを基礎とする潜伏正則化器として機能する。 模擬実施形態による評価は,本手法が異なるロボットの性能崩壊を防ぐことを実証している。 全体的な成功率は 93 % 以上、非分布型ゼロショット型ロボットでは 89 % 以上であり、Transformer の動作クローン (82 %) と拡散ポリシーベースライン (66 %) を上回っている。 物理KUKAデプロイメントは、ゼロショットsim-to-real転送下での完全な状態ベースパイプラインの実現可能性をさらに検証する。

関連論文リスト

• Dynamic Manipulation with World-Action Models via Counterfactual Planning [44.2424326475039]
  World-Actionモデルは、必要な操作スキルを持っている場合でも、動作中のターゲットを操作するのに失敗することが多い。 本研究では,実行に使用する物理状態から計画生成に使用するコンテキストを分離することにより,動的操作を対物計画として定式化する。 我々のフレームワークである動的予測計画 (Dynamic Predictive Planning, DPP) は、まずWAMの予測ロールアウトを用いて、相互作用の発生時期を推定し、このタイミング推定と観測対象の動きを組み合わせ、ターゲットの将来の相互作用位置を予測する。 そして、DPPは、この予測された目標位置を馴染みのあるロボットコンテキストに配置し、モデルが既存のロボットを起動できるようにする対物観測を構築する。
  論文  参考訳（メタデータ） (2026-09-27T03:48:20Z)
• Behavior-Aligned Action Tokenization for Robot Policy Learning [9.37360970873363]
  自己回帰型ロボットポリシーは、観察から個別のアクショントークンを予測することによって、継続的な制御を学習する。 本研究では,対応する動作チャンクを選択し,その量子化座標を再構成とともに整列させる行動適応型行動トークン化(BAAT)を提案する。 履歴条件付き拡散復号器はこれらのトークンから連続的なアクションチャンクを再構成し、下流の自己回帰ポリシーはそれらを予測することを学ぶ。
  論文  参考訳（メタデータ） (2026-09-23T08:12:03Z)
• Beyond Noise Steering: Dual-Latent Space Reinforcement Learning for Generative Robot Policy [13.530890681678619]
  事前訓練された生成ロボットポリシーは、デモの前に表現行動を学ぶ。 既存の強化学習法はノイズ空間のみを操るが、生成過程中に中間的な動作表現を変調することができない。 そこで本研究では,凍結発生器内の表現レベル制御で初期ノイズの操舵を補完する新しいDual-Latent Space Reinforcement Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-10T09:04:04Z)
• SPACE: Enabling Learning from Cross-Robot Data Toward Generalist Policies [20.583080585659513]
  状態予測および適応コマンド実行(SPACE)フレームワークを紹介する。 SPACEは、異なる実施形態、同じ実施形態のハードウェアユニット、操作中の1つのロボット内での3段階のロボットダイナミクスの変動を処理します。 実験により、SPACEは異なる実施形態および同じ実施形態のハードウェアユニット間で収集されたデータから学習する際に、制御コマンドを直接予測するポリシーを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2026-06-23T01:32:40Z)
• 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)
• Learning Coordinated Bimanual Manipulation Policies using State Diffusion and Inverse Dynamics Models [22.826115023573205]
  我々は人間の操作戦略の予測的性質をロボット模倣学習に注入する。 我々は,将来の状態を予測し,予測状態を達成するロボット動作を計算するために拡散モデルを訓練する。 我々のフレームワークは、常に最先端のステート・ツー・アクション・マッピングポリシーを上回ります。
  論文  参考訳（メタデータ） (2025-03-30T01:25:35Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [73.75271615101754]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)

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。