論文の概要: MorphAct: Robot Policies Morphing with the Worlds They Act In
- arxiv url: http://arxiv.org/abs/2610.20019v1
- Date: Wed, 14 Oct 2026 11:31:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.124763
- Title: MorphAct: Robot Policies Morphing with the Worlds They Act In
- Title（参考訳）: MorphAct:ロボットは、彼らが行動する世界とモルフをする
- Abstract要約: MorphActは、インタラクションコンテキストの変化に応じてロボットポリシーパラメータを動的に調整するフレームワークである。
LIBEROとMeta-Worldの3つのVLAバックボーンのパフォーマンスを改善し、最大16.30%向上した。
- 参考スコア（独自算出の注目度）: 21.21976415903485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Progress toward general intelligence in the physical world requires scaling robot learning across diverse environments and interactions. However, existing robot policies use shared parameters that remain fixed across interaction contexts. When different operations favor competing parameter adjustments, fitting their mixture can leave individual operations insufficiently adapted. Our atomic-task diagnostics reveal competing update directions in both vision-language and action parameters, with source-improving updates increasing loss on other tasks. This motivates MorphAct, a contextual parameterization framework that dynamically adjusts robot policy parameters as interaction contexts change. Two coupled generators produce context-dependent low-rank updates for the vision-language and action modules. Their coupling follows the policy's computational dependency: vision-language updates shape the representations that condition action-side parameter generation. Both generators are trained jointly through the native action objective, without operation labels or expert-adapter targets. MorphAct improves performance across three VLA backbones on LIBERO and Meta-World, with gains of up to 16.30%. In real-world evaluation, it achieves gains of up to 14% over $π_{0.5}$. Ablations support the benefits of contextual parameter generation and representation coupling.
- Abstract（参考訳）: 物理的な世界での汎用知性への進歩には、多様な環境と相互作用にわたってロボット学習をスケールする必要がある。
しかし、既存のロボットポリシーでは、相互作用コンテキスト間で固定されたままの共有パラメータを使用する。
異なる操作が競合するパラメータ調整を好む場合、それらの混合を適合させることで、個々の操作が不十分に適合する。
我々のアトミックタスク診断では、視覚言語とアクションパラメータの両方で競合する更新方向が明らかになり、ソース改善によって他のタスクの損失が増大する。
MorphActは、対話コンテキストの変化に応じてロボットポリシーパラメータを動的に調整するコンテキストパラメータ化フレームワークである。
2つの結合ジェネレータは、視覚言語とアクションモジュールのコンテキスト依存の低ランク更新を生成する。
ビジョン言語更新は、条件アクション側パラメータ生成の表現を形作る。
両方のジェネレータは、操作ラベルやエキスパート-アダプタターゲットなしで、ネイティブアクションの目的を通じて共同で訓練される。
MorphActは、LIBEROとMeta-Worldの3つのVLAバックボーンのパフォーマンスを最大16.30%向上させる。
実世界の評価では、$π_{0.5}$に対して最大14%の利得を達成する。
アブレーションはコンテキストパラメータ生成と表現結合の利点をサポートする。
関連論文リスト
- AR-WAM: A Visual-Conditioned Agent-Ready World Action Model for Robotic Manipulation [31.9606890046955]
視覚-言語-アクションモデルと世界アクションモデルはまだ操作タスクを指定するために自然言語命令に依存している。
本稿では、言語を2つの相補的な条件で置き換える視覚条件付きエージェント対応世界アクションモデルAR-WAMを提案する。
RoboTwin 2.0、RMBench、および本物のAstribot S1デュアルアームプラットフォームでは、AR-WAMは標準操作における最強のベースラインと一致する。
論文 参考訳（メタデータ） (2026-09-20T11:55:26Z) - Acting in Meters: Learning Metric Interactions for Precise Robotic Manipulation [22.037123953765548]
Vision-Language-Action ModelsとWorld-Action Modelsは、高度な言語条件のロボット操作を持つ。
本稿では,オブジェクトレベルのインタラクションとシーンレベルのインタラクションを,共有メトリックスケールでモデル化するメトリクスインタラクションフレームワークを提案する。
LIBEROとRoboTwin 2.0の平均成功率は0.80と3.59ポイントである。
論文 参考訳（メタデータ） (2026-09-16T07:20:18Z) - Words & Weights: Streamlining Multi-Turn Interactions via Co-Adaptation [55.938648534942665]
マルチターンインタラクション(T2PAM)に対するテスト時ポリシー適応は,大規模言語モデル(LLM)と動的ユーザニーズとの整合に不可欠である。
本稿では,単語と重みの不均一な空間上での相互作用を協調最適化問題として再構成するフレームワークであるROSA2を提案する。
論文 参考訳（メタデータ） (2026-03-02T02:16:20Z) - 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) - IRASim: A Fine-Grained World Model for Robot Manipulation [24.591694756757278]
本稿では,ロボットとオブジェクトのインタラクションの詳細を詳細に表現したビデオを生成する新しい世界モデルIRASimを提案する。
拡散変圧器を訓練し、各変圧器ブロック内に新しいフレームレベル動作条件モジュールを導入し、アクションフレームアライメントを明示的にモデル化し強化する。
論文 参考訳（メタデータ） (2024-06-20T17:50:16Z) - Learning Manipulation by Predicting Interaction [85.57297574510507]
本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。
実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
論文 参考訳（メタデータ） (2024-06-01T13:28:31Z)
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。