論文の概要: Coordi-pi: Coordination-Aware Dual-Hand Action Representation for Bimanual Dexterous Manipulation
- arxiv url: http://arxiv.org/abs/2610.19753v1
- Date: Wed, 14 Oct 2026 08:08:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.029247
- Title: Coordi-pi: Coordination-Aware Dual-Hand Action Representation for Bimanual Dexterous Manipulation
- Title（参考訳）: Coordi-pi: Coordination-Aware Dual-Hand Action Representation for bimanual Dexterous Manipulation
- Abstract要約: 本稿では,バイマラルデキスタラス操作のための構造化アクション表現であるCoordi-$を紹介する。
Coordi-$は、右腕と左腕のアクションを個々のアクショントークンとして表現する。
Coordi-$は、現実世界の4つのデキスタラスな操作タスクにおいて、一貫して$_0.5$を上回っている。
- 参考スコア（独自算出の注目度）: 30.49247984422198
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-language-action (VLA) models have shown strong potential for general-purpose robotic manipulation, but extending them to bimanual dexterous manipulation introduces a high-dimensional and structured action space. Existing bimanual VLA policies commonly concatenate right- and left-side arm--hand actions at each control timestep, leaving cross-hand interactions implicit within a single action vector. We introduce Coordi-$π$, a structured action representation for bimanual dexterous manipulation. Coordi-$π$ represents the right- and left-side arm--hand actions as individual action tokens and organizes them into an interleaved sequence, explicitly exposing the two sides within the action sequence. To explicitly encode hand identity and temporal synchronization in this interleaved representation, a learnable hand-identity embedding distinguishes the two sides, while sequence--control-timestep factorized rotary positional encoding (RoPE) separates sequence position from control timestep, allowing actions at the same control timestep to share a temporal coordinate while retaining distinct sequence positions. Across all five bimanual dexterous manipulation tasks in DexJoCo, Coordi-$π$ achieves state-of-the-art performance under both \textit{rand-obj} and \textit{rand-full}, improving the average success rate over $π_{0.5}$ from 31.9\% to 51.3\% and from 18.3\% to 32.3\%, respectively. Coordi-$π$ also consistently outperforms $π_{0.5}$ across four real-world bimanual dexterous manipulation tasks.
- Abstract（参考訳）: 視覚言語アクションモデル(VLA)は汎用的なロボット操作の強い可能性を示しているが、それらを両面的なデクスタラスな操作に拡張することで、高次元かつ構造化されたアクション空間がもたらされる。
既存の二元的VLAポリシーは、通常、左右の腕の操作を各制御時間ステップで結合し、1つのアクションベクトル内に相互の相互作用を暗黙的に残す。
本稿では,2次元デキスタラス操作のための構造化された動作表現であるCoordi-$π$を紹介する。
Coordi-$π$は、右腕と左腕のアクションを個々のアクショントークンとして表現し、それらをインターリーブされたシーケンスに整理し、アクションシーケンス内の2つの側面を明確に明示する。
このインターリーブド表現において、ハンドアイデンティティとテンポラル同期を明示的に符号化し、シークエンス制御タイムステップ分解回転位置符号化(RoPE)がシーケンス位置を制御タイムステップから切り離し、同じ制御タイムステップにおける動作が、異なるシーケンス位置を保持しながら時間座標を共有することができるようにして、学習可能なハンドアイデンティティ埋め込みが両側面を区別する。
Coordi-$π$ は DexJoCo の5つの二元的デキスタラスな操作タスクの中で、最先端のパフォーマンスを \textit{rand-obj} と \textit{rand-full} の両方で達成し、それぞれ 31.9\% から 51.3\% から 18.3\% から 32.3\% まで平均的な成功率を向上させる。
また、Coordi-$π$ は 4 つの実世界の二元的操作タスクにおいて$π_{0.5}$ を一貫して上回る。
関連論文リスト
- DexJoCo-X: Benchmarking Action Representations for Multi-Hand Dexterous Manipulation [33.03049906677002]
クロス・エボディメント・ラーニングは、形態学固有の制御を維持しながら共有操作構造をキャプチャする統一表現を必要とする。
DexJoCo-Xは7つの代表的手間で比較を行うためのベンチマークとツールキットである。
対照的に、Being-H0.5は、クロス・エボディメント・プレトレーニング、統一されたアクション・スペース、そしてエボディメント・アウェアの専門家を組み合わせることで、一つの政策が7つの手全てを制御することができる。
論文 参考訳（メタデータ） (2026-10-02T13:21:13Z) - TaskAnchor: Grounding Task State in Reactive VLAs for Long-Horizon Manipulation [49.02604313942616]
VLA(Reactive Vision-Language-action)ポリシーは、長時間の操作においてタスク状態のエイリアスに悩まされる。
本稿では,VLAのネイティブ入力空間に実行コンテキストを注入することでタスク状態を基底とする軽量アダプタTaskAnchorを提案する。
長期のベンチマークではTaskAnchorが大幅に上昇し、pi0.5とX-VLAのベースラインの平均的な成功率の6倍に達する。
論文 参考訳（メタデータ） (2026-09-20T11:57:10Z) - See Selectively, Act Adaptively: Dual-Level Structural Decomposition for Bimanual Robot Manipulation [1.7587442088965224]
本稿では,デュアルレベル構造分解に基づく双方向操作フレームワークを提案する。
提案手法は,RoboTwin 2.0における6つの実時間操作タスクと3つの長軸実世界タスクにおいて評価される。
論文 参考訳（メタデータ） (2026-06-11T12:33:55Z) - Sparse2Act: Learning Action-Aligned Sparse 3D Representations for Cross-Domain Robot Manipulation [52.00134393320209]
Sparse2Actは、スパースポイントクラウドエンコーダの事前学習のための観測・動作アライメントフレームワークである。
マスク付きスパース3Dトークンは、観察と組み合わせたワークスペース運動の周囲のシーン特徴を整理するために訓練される。
LIBERO-10ベンチマークでは,500ステップの微調整を行い,平均86.9%の成功を達成した。
論文 参考訳（メタデータ） (2026-06-10T23:56:01Z) - RoTri-Diff: A Spatial Robot-Object Triadic Interaction-Guided Diffusion Model for Bimanual Manipulation [44.32374761780659]
両腕操作は、両腕間の連続的かつ正確な調整を必要とする基本的なロボット技術である。
既存のアプローチでは、ロボット中心かオブジェクト中心かは、しばしば2つの腕と操作対象の間の動的幾何学的関係を見落としている。
この制限は、しばしば兵器間衝突、不安定な把握、複雑なタスクにおける性能低下につながる。
本稿では,RoTri制約とロボットのキーポーズとオブジェクトの動きを組み合わせた拡散型模倣学習フレームワークであるRoTri-Diffを紹介する。
論文 参考訳（メタデータ） (2026-03-07T12:12:35Z) - 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) - Scene-agnostic Hierarchical Bimanual Task Planning via Visual Affordance Reasoning [5.296623863894165]
オープン環境で動作しているエージェントは、ハイレベルな命令を基底的で実行可能な動作に変換する必要がある。
本稿では,高次推論を3次元2次元実行でブリッジする,シーン非依存の双方向タスク計画のための統一的なフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-10T04:37:07Z) - ActionPiece: Contextually Tokenizing Action Sequences for Generative Recommendation [43.597904136597876]
我々はアクションシーケンスをトークン化するときにコンテキストを明示的に組み込むActionPieceを提案する。
特徴パターンを新しいトークンとしてマージし,その共起頻度に基づいて語彙を構築する。
特徴集合の非順序性を考えると、さらに集合置換正則化を導入する。
論文 参考訳（メタデータ） (2025-02-19T09:45:29Z) - Control of the von Neumann Entropy for an Open Two-Qubit System Using Coherent and Incoherent Drives [50.24983453990065]
本稿では、時間依存デコヒーレンス率を誘導するコヒーレント制御と非コヒーレント制御を備えた開2量子系のフォン・ノイマンエントロピー$S(rho(t))$を操作するためのアプローチを開発することに専念する。
a) the final entropy $S(rho(T))$; (b) steering $S(rho(T))$ to a given target value; (c) steering $S(rho(T))$ to a target value and satisfying the pointwise state constraint $S(T)
論文 参考訳（メタデータ） (2024-05-10T10:01:10Z) - TEACH: Temporal Action Composition for 3D Humans [50.97135662063117]
自然言語の一連の記述を前提として,テキストに意味的に対応する3次元の人間の動作を生成する。
特に、我々のゴールは一連のアクションの合成を可能にすることであり、これは時間的アクション合成と呼ばれる。
論文 参考訳（メタデータ） (2022-09-09T00:33:40Z)
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。