論文の概要: Hardware-as-Regularization: Enhancing Data Consistency in Imitation Learning via an Adjustable Passive Compliant Leader Arm

• arxiv url: http://arxiv.org/abs/2610.22977v1
• Date: Fri, 16 Oct 2026 05:56:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.777256
• Title: Hardware-as-Regularization: Enhancing Data Consistency in Imitation Learning via an Adjustable Passive Compliant Leader Arm
• Title（参考訳）: ハードウェア・アズ・レギュラー化: 調整可能なパッシブ・コンピテント・リーダーアームによる模倣学習におけるデータの一貫性向上
• Abstract要約: 低コストの受動的リーダーアームは、模倣学習のためのスケーラブルなデータ収集を可能にするが、回復力の欠如は、冗長な関節を拘束しないままにしておく。 ユーザ定義の中立姿勢に向かって各関節を引っ張る低コストな受動的ジョイントモジュールでこの問題に対処する。 この受動的復元力は、結合空間$L$正則化と等価な物理的に作用する。
• 参考スコア（独自算出の注目度）: 1.854328133293073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-cost passive leader arms enable scalable data collection for imitation learning, but their lack of restoring forces leaves redundant joints unconstrained, yielding highly inconsistent joint-space trajectories. We address this with a low-cost passive joint module (an adjustable mechanical clutch and a 3D-printed spiral spring) that pulls each joint toward a user-defined neutral posture. This passive restoring force acts as a physical prior equivalent to joint-space $L_2$ regularization (``Hardware-as-Regularization''), improving kinematic consistency with shorter completion time than an unregularized arm and preserved movement smoothness. Experiments show substantial variance reduction over a naive passive arm, trajectory consistency on par with an active virtual spring of the same actuator class, and substantially higher downstream success rates (e.g., 73.3% vs. 36.7% on Block Stacking); a stiffness sweep shows consistency degrading monotonically as stiffness decreases, confirming that mechanical stiffness behaves like a regularization weight.
• Abstract（参考訳）: 低コストの受動的リーダーアームは、模倣学習のためのスケーラブルなデータ収集を可能にするが、復元力の欠如により冗長な関節は拘束されず、非常に一貫性のない関節空間の軌跡をもたらす。 我々は、低コストの受動的ジョイントモジュール(調節可能な機械クラッチと3Dプリントされたスパイラルスプリング)を用いて、各ジョイントをユーザーが定義した中立姿勢に向かって引っ張る。 この受動的回復力は、関節空間$L_2$正則化(``Hardware-as-Regularization'''')と等価な物理的先行として作用し、非正規化アームよりも短い完了時間と保存運動の滑らかさで運動の整合性を向上させる。 実験では、単純受動アーム上ではかなりのばらつきが減少し、同じアクチュエータークラスのアクティブな仮想バネと同程度の軌道整合性が示され、下流の成功率(例えば、73.3% vs. 36.7%のブロック積み重ね)がかなり高く、硬さが減少するにつれて一斉に硬さが低下し、機械的剛性が正規化重みのように振る舞うことが確認された。

関連論文リスト

• Imp-ACT: Adaptive Impedance Control and Action Chunking with Transformers to Learn Contact-Rich Manipulation from Demonstrations [18.553840933683897]
  Imp-ACTは、方向依存の剛性を直接デモコレクションに組み込むための方法論的および実践的なアプローチである。 遠隔操作中、自己調整インピーダンス制御器は、動きの即時方向に沿って剛性に適応する。 本研究では,Action Chunking with Transformer (ACT) を用いて,エンドエフェクタポーズ,グリップ動作,動き方向剛性を予測するパイプラインを実装した。
  論文  参考訳（メタデータ） (2026-09-25T13:04:37Z)
• 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)
• Conservation Buys Stability and Factoring Buys Counterfactuals in Physical World Models [42.21989596721942]
  学習したシミュレータは、トレーニング条件を正確に再現できるが、それらの条件が変更されると、2つの異なる方法で失敗する。 これらの2つの失敗は、異なる構造的改善を必要とすることを示す。
  論文  参考訳（メタデータ） (2026-09-17T04:16:51Z)
• Active Stiffness Control of a Supportive Continuum Robot [0.764671395172401]
  補助連続ロボット(SCR)は、機械的に支持アームと結合することにより、操作連続ロボットの荷重保持能力を高める。 負荷応答を規制し、位置決め精度を維持するためには、アクティブ剛性制御が必要である。 本稿では、腱駆動型SCRのためのアクティブなタスク空間剛性制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-04T13:51:05Z)
• $h$-control: Training-Free Camera Control via Block-Conditional Gibbs Refinement [47.751369359301236]
  textbf$h$-controlは、トレーニングフリーでトレーニングベースの7つの競合相手に対して最高のFVDを達成する。 RealEstate10KとDAVISでは、textbf$h$-controlは7つのトレーニングフリーおよびトレーニングベース競合相手に対して最高のFVDを達成している。
  論文  参考訳（メタデータ） (2026-05-12T09:51:04Z)
• DiReCT: Disentangled Regularization of Contrastive Trajectories for Physics-Refined Video Generation [40.41107421160271]
  フローマッチングビデオジェネレータは、時間的にコヒーレントで高忠実な出力を生成するが、日常的に基礎物理学に反する。 テキスト条件付きビデオ設定における基本的な障害は、意味物理学の絡み合いである。 我々は、この勾配の矛盾を形式化し、コントラスト学習がトレーニングに支障を与える場合と、トレーニングに支障をきたす場合の正確なアライメント条件を導出する。
  論文  参考訳（メタデータ） (2026-03-26T21:53:47Z)
• DSO-VSA: a Variable Stiffness Actuator with Decoupled Stiffness and Output Characteristics for Rehabilitation Robotics [11.174959557114532]
  本稿では, 脱カップリングされた剛性と再生ロボットの出力挙動を特徴とする可変剛性アクチュエータを提案する。 このシステムは、可変長レバーと低シクロディダル直線機構を組み合わせた可変剛性機構を統合し、線形トルク-偏向関係を実現する。 位置ループ項が剛性と偏向角を協調的に調節する微分構成に基づいて、カスケードPIコントローラをさらに発展させる。
  論文  参考訳（メタデータ） (2025-12-21T12:13:17Z)
• Variable Stiffness for Robust Locomotion through Reinforcement Learning [8.577291729956137]
  本稿では,関節位置とともに動作空間に可変剛性を統合する新しい制御パラダイムを提案する。 脚ごとの剛性(PLS)をグループ化する可変剛性ポリシは,速度トラッキングやプッシュリカバリにおいて,位置ベース制御よりも優れていた。
  論文  参考訳（メタデータ） (2025-02-13T16:00:46Z)
• Learning Iterative Robust Transformation Synchronization [71.73273007900717]
  グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。 本研究では、ロバストな損失関数のハンドクラフトを回避するとともに、グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。
  論文  参考訳（メタデータ） (2021-11-01T07:03:14Z)

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。