論文の概要: FR-VLA: Implicit Force Reasoning VLA for Contact-Rich Manipulation

• arxiv url: http://arxiv.org/abs/2610.25981v1
• Date: Mon, 19 Oct 2026 08:08:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 03:13:58.234884
• Title: FR-VLA: Implicit Force Reasoning VLA for Contact-Rich Manipulation
• Title（参考訳）: FR-VLA:コンタクトリッチマニピュレーションのための入射力推論VLA
• Abstract要約: Vision-Language-Action(VLA)モデルは、いつ、どのくらいの物理的相互作用がロボットのアクション生成に影響を及ぼすかを決定する。 FR-VLAはこのギャップに対処するため、学習可能なフォースクエリトークンを使用して視覚的な文脈で根拠付けられた入力信号を導出する。 2つのロボットプラットフォームにまたがる5つの接触豊富なタスクに関する実世界の実験において、FR-VLAは評価された6つのステージで最高の平均成功率を達成した。
• 参考スコア（独自算出の注目度）: 8.503023646797741
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrating force awareness into Vision-Language-Action (VLA) models involves not merely encoding wrench measurements as an additional modality, but determining when and how strongly physical interaction should influence robot action generation. Existing VLAs that use force typically inject it through a fixed pathway, without explicitly determining when it is relevant to the current action. This calls for an intermediate force relevance mechanism inside the VLA, in which visual-language context estimates the relevance of physical feedback to the current task before force enters the action pathway. FR-VLA addresses this gap with a Vision-Language Force-Reasoning Model that uses learnable force query tokens to derive a force admission signal grounded in visual-language context, and uses this signal to modulate an external tokenized force pathway for action generation. In real-world experiments on five contact-rich tasks across two robotic platforms, FR-VLA achieves the highest mean success rate over six evaluated stages, and trajectory visualizations show that its force admission varies with the interaction phase.
• Abstract（参考訳）: VLA(Vision-Language-Action)モデルに力覚を組み込むには、単にレンチ測定を追加のモダリティとして符号化するだけでなく、いつ、どのくらいの物理的相互作用がロボットのアクション生成に影響を与えるかを決定する必要がある。 力を使用する既存のVLAは、通常、それが現在の動作にいつ関連しているかを明確に決定することなく、固定された経路を介してそれを注入する。 これにより、VLA内の中間的な力関連機構が要求され、視覚的な文脈は、力が作用経路に入る前に、現在のタスクに対する物理的フィードバックの関連性を推定する。 FR-VLAは、学習可能な力問合せトークンを使用して視覚言語コンテキストに接地した力の入力信号を導出し、この信号を使用して外部のトークン化された力経路を変調してアクション生成するビジョン・ランゲージ・フォース・推論モデルを用いて、このギャップに対処する。 2つのロボットプラットフォームにまたがる5つの接触豊富なタスクの現実的な実験において、FR-VLAは6つの評価段階で最高平均成功率を達成する。

関連論文リスト

• ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching [53.30290192030814]
  ForceFlowは、フローマッチングに基づいて構築された、フォース対応のリアクティブフレームワークである。 ForceFlowは、強力なベースラインであるForceVLAよりも37%の成功率の向上を実現している。 また、接触力の自己調節において、正確な力信号予測と優れた性能を示す。
  論文  参考訳（メタデータ） (2026-05-11T13:27:00Z)
• FD-VLA: Force-Distilled Vision-Language-Action Model for Contact-Rich Manipulation [8.726448573057725]
  本稿では,力覚をコンタクトリッチな操作に統合する新しいフレームワークであるForce-Distilled VLAを提案する。 当社のアプローチのコアは、学習可能なクエリトークンをマッピングすることで、フォースを蒸留するFDM(Force Distillation Module)である。 推理中、この蒸留された力トークンは、予め訓練されたVLMに注入され、力を認識する推論が可能となる。
  論文  参考訳（メタデータ） (2026-02-02T14:19:46Z)
• CompliantVLA-adaptor: VLM-Guided Variable Impedance Action for Safe Contact-Rich Manipulation [35.15898666328117]
  本稿では,視覚言語モデル (VLM) を用いた最先端のビジョン・ランゲージ・アクション (VLA) モデルを拡張した CompliantVLA-adaptor を提案する。 既存のVLAシステム(例えば、RTT、Pi0.5、OpenVLA-oft)は典型的には出力位置を出力するが、力覚的な適応が欠如しており、接触、コンプライアンス、不確実性を含む物理的タスクにおいて、安全でないまたは失敗した相互作用をもたらす。 我々の手法はVLAのベースラインよりも複雑なコンタクトリッチなタスクのスイートの方が優れていることを実証する。
  論文  参考訳（メタデータ） (2026-01-21T23:52:40Z)
• On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning [61.38273866396522]
  ビジョン・ランゲージ・アクションモデルが汎用ロボット学習の強力なパラダイムとして登場した。 現在の手法は、シミュレーションや物理世界の展開に挑戦するには相変わらず適していない。 本稿では,VLA フレームワークのテスト時間強化学習について紹介する。
  論文  参考訳（メタデータ） (2026-01-11T01:51:30Z)
• ForceVLA: Enhancing VLA Models with a Force-aware MoE for Contact-rich Manipulation [62.58034332427291]
  ForceVLAは、新しいエンドツーエンド操作フレームワークである。 外部力センシングは、VLAシステム内の第一級のモダリティとして扱う。
  論文  参考訳（メタデータ） (2025-05-28T09:24:25Z)
• CoT-VLA: Visual Chain-of-Thought Reasoning for Vision-Language-Action Models [89.44024245194315]
  視覚言語行動モデル(VLA)に明示的な視覚連鎖(CoT)推論を組み込む手法を提案する。 視覚およびアクショントークンの理解と生成が可能な最先端の7B VLAであるCoT-VLAを紹介する。 実験の結果,CoT-VLAは実世界の操作タスクでは17%,シミュレーションベンチマークでは6%,最先端のVLAモデルでは6%,高い性能を示した。
  論文  参考訳（メタデータ） (2025-03-27T22:23:04Z)

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。