論文の概要: LICOA: Learning Instruction-Conditioned Optical Actions for Mobile Spatial Augmented Reality

• arxiv url: http://arxiv.org/abs/2610.21282v1
• Date: Thu, 15 Oct 2026 05:21:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.201046
• Title: LICOA: Learning Instruction-Conditioned Optical Actions for Mobile Spatial Augmented Reality
• Title（参考訳）: LICOA:モバイル空間拡張現実感のための学習指導型光学行動
• Abstract要約: 投射光は、システムに対して、どのように、どこで、どのスケールでプロジェクションを配置するかを決定することで、具体的動作となる。 licOAは室スケールのアプローチと再配置を提供し、2自由度(2DoF)と投射スケールを持つステアブルミラーはビームを高速に局所的に制御する。 共有インタフェースは、ロボット制御状態の外部および搭載RGBカメラを、事前訓練されたアクションモデルを介して物理的光学的アクションにマッピングする。
• 参考スコア（独自算出の注目度）: 40.51108476135995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spatial augmented reality (SAR) augments physical environments with projected content, but most systems assume that the projector pose, target region, or motion path has been fixed or specified. We instead make projected light an embodied action: given a language instruction and current visual observations, a system must decide how to move and where and at what scale to place the projection. We introduce LICOA to realize this capability. Its differential-drive chassis provides room-scale approach and repositioning, while a steerable mirror with two degrees of freedom (2DoF) and projection scale provide rapid local control of the beam. A shared interface maps synchronized external and onboard RGB cameras with robot control state to physical optical actions across pretrained action models. Because instruction-conditioned optical action lacks dedicated training data and a common evaluation protocol, we construct a matched simulation embodiment and a corpus with 150 tasks and 7,500 rendered episodes, then evaluate models trained only on this corpus in previously unseen real-world environments. Across 480 complete closed-loop real-world execution trials (rollouts) on 12 tasks, the best adapted action model achieves a 57.50% success rate and 40.64% success weighted by path length, compared with 8.33% and 5.15% for the same architecture trained from scratch. A further 150 real-world ablation rollouts support the need for both camera views and coordinated control of the chassis and mirror. These results establish a physical platform, shared perception and optical action interface, corpus, and real-world evaluation protocol for treating projected light as an embodied action.
• Abstract（参考訳）: 空間拡張現実(SAR)は、投影されたコンテンツによって物理的な環境を増強するが、ほとんどのシステムはプロジェクターのポーズ、ターゲット領域、移動経路が固定または特定されたと仮定する。 言語命令と現在の視覚的観察が与えられた場合、システムはプロジェクションを配置するための方法と場所、規模を決定する必要がある。 この能力を実現するためにlicOAを導入します。 ディファレンシャルドライブのシャーシは室スケールのアプローチと再配置を提供し、一方2自由度(2DoF)と投射スケールを持つステアブルミラーはビームを高速に局所的に制御する。 共有インタフェースは、ロボット制御状態の外部および搭載RGBカメラを、事前訓練されたアクションモデルを介して物理的光学的アクションにマッピングする。 命令条件付き光学アクションには専用トレーニングデータと共通評価プロトコルが欠けているため,150のタスクと7,500のエピソードからなるコーパスとマッチングしたシミュレーションエボディメントを構築し,これまで見つからなかった実環境において,このコーパス上でのみトレーニングされたモデルを評価する。 12のタスクで480の完全なクローズドループ実世界の実行試験(ロールアウト)が実施され、最も適したアクションモデルでは57.50%の成功率と40.64%の成功をパス長で達成し、スクラッチからトレーニングされた同じアーキテクチャでは8.33%と5.15%であった。 さらに150の現実世界のアブレーションロールアウトは、カメラビューとシャシーとミラーの協調制御の両方の必要性をサポートする。 これらの結果は、物理的プラットフォーム、共有認識と光行動インタフェース、コーパス、および実世界評価プロトコルを確立し、射影光を具体的アクションとして扱う。

関連論文リスト

• FlashDexRetarget: Accelerating Dexterous Manipulation Data Generation through Multi-Motion Retargeting [51.97027820630168]
  人間の手オブジェクトのデモは、器用なロボット学習のためのスケーラブルなデータソースを提供する。 既存の物理学に基づく手法は、通常、それぞれのデモンストレーションを独立して最適化する。 マルチ参照トラッキングのためのRLフレームワークであるFlashDexRetargetを紹介する。
  論文  参考訳（メタデータ） (2026-10-01T15:15:42Z)
• Joint-Aligned Latent Action: Towards Scalable VLA Pretraining in the Wild [37.43820830488286]
  JALAは,協調型潜在行動学習のための事前学習フレームワークである。 We scale this approach with UniHand-Mix, a 7.5M video corpus (>2,000時間) mixing lab and the-the-wild footage。 実験により、JALAは制御されたシナリオと制約のないシナリオの両方でより現実的な手の動きを生成することが示された。
  論文  参考訳（メタデータ） (2026-02-25T09:46:42Z)
• IRIS: Learning-Driven Task-Specific Cinema Robot Arm for Visuomotor Motion Control [7.745271598212898]
  IRISは、軽量で完全に3Dプリントされたハードウェアデザインと、目標条件付きビズモータ模倣学習フレームワークを統合している。 このシステムは、人間のデモから直接、オブジェクト認識と知覚的にスムーズなカメラ軌跡を学習する。 完全なプラットフォームは1,000ドル以下で、1.5kgのペイロードをサポートし、約1mmの再現性を実現している。
  論文  参考訳（メタデータ） (2026-02-19T16:50:31Z)
• MobileManiBench: Simplifying Model Verification for Mobile Manipulation [70.30578259859512]
  MobileManiBenchは、モバイルベースのロボット操作のための大規模なベンチマークである。 MobileManiBenchには、2つのモバイルプラットフォーム(パラレルグリッパーとデキソラスハンドロボット)、2つの同期カメラ(頭と右手首)、630のオブジェクト(オープン、クローズ、プル、プッシュ、ピック)、5つのスキル(オープン、クローズ、プッシュ、ピック)、100以上のタスクが現実的なシーンで実行される。
  論文  参考訳（メタデータ） (2026-02-05T02:49:52Z)
• Robotic VLA Benefits from Joint Learning with Motion Image Diffusion [114.60268819583017]
  VLA(Vision-Language-Action)モデルは、マルチモーダルな観察と指示を直接行動にマッピングすることで、ロボット操作において顕著な進歩を遂げた。 動き推論機能を備えたVLAモデルを強化する新しい戦略である動き画像拡散を用いた共同学習を提案する。 シミュレーションと実世界の両方の環境での実験により、モーション画像拡散による共同学習がpiシリーズVLAの成功率を97.5%に向上させることが示された。
  論文  参考訳（メタデータ） (2025-12-19T19:07:53Z)
• ManiVID-3D: Generalizable View-Invariant Reinforcement Learning for Robotic Manipulation via Disentangled 3D Representations [19.02933938928656]
  ManiVID-3Dはロボット操作のための新しい3Dビジュアル強化学習アーキテクチャである。 自己教師付き不整形特徴学習を通じて、ビュー不変表現を学習する。 現状の手法よりも44.7%高い成功率を達成する。
  論文  参考訳（メタデータ） (2025-09-14T06:31:04Z)
• cVLA: Towards Efficient Camera-Space VLAs [26.781510474119845]
  Vision-Language-Action(VLA)モデルは、複雑なロボット操作タスクに取り組むための魅力的なフレームワークを提供する。 2次元画像上での視覚言語モデルの競合性能を活用する新しいVLA手法を提案する。 我々のモデルは軌道方向の経路を予測し、トレーニングとロボットの実施の両方を効果的に行う。
  論文  参考訳（メタデータ） (2025-07-02T22:56:41Z)
• Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
  多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。 本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。 学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
  論文  参考訳（メタデータ） (2021-04-12T23:14:41Z)
• Learning a State Representation and Navigation in Cluttered and Dynamic Environments [6.909283975004628]
  本稿では,四足ロボットによる局所ナビゲーションを実現するための学習ベースのパイプラインを提案する。 ロボットは、環境を明示的にマッピングすることなく、奥行きカメラのフレームに基づいて、安全な場所へ移動することができる。 本システムでは,ノイズの多い奥行き画像の処理が可能であり,訓練中の動的障害物を回避でき,局所的な空間意識を付与できることを示す。
  論文  参考訳（メタデータ） (2021-03-07T13:19:06Z)

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。