論文の概要: T-WLA: Bridging Slow Vision and Fast Touch

• arxiv url: http://arxiv.org/abs/2610.28814v1
• Date: Tue, 20 Oct 2026 18:36:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 09:50:43.213735
• Title: T-WLA: Bridging Slow Vision and Fast Touch
• Title（参考訳）: T-WLA: スロービジョンと高速タッチ
• Abstract要約: コンタクトリッチな操作では、視覚ポリシーがアクションプランを更新する前に接触条件を変更することができる。 本稿では,行動生成と触覚補正の両方を誘導するために共有視覚メモリを用いた世界言語対応のアーキテクチャであるT-WLAを紹介する。
• 参考スコア（独自算出の注目度）: 78.67119229791346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In contact-rich manipulation, contact conditions can change before a visual policy updates its action plan. Recomputing the plan through the visual policy adds latency, while tactile feedback alone does not specify how the ongoing motion should be revised for the task. We introduce T-WLA, a world-language-action architecture that uses shared visual memory to guide both action generation and tactile correction. At each visual update, the visual branch integrates the current image, task instruction, and retrieved history into a visual memory that conditions base-action generation. The same memory is cached for a lightweight tactile editor, which combines it with the active action chunk and incoming touch to predict residual corrections to unexecuted actions without rerunning the visual branch. Future-image and future-pressure prediction provide training-only supervision, encouraging the visual memory and tactile features to capture interaction dynamics relevant to action generation and correction. We evaluate T-WLA on tactile-conditioned hand-motion prediction using EgoTouch and Tachin, and on four real-world dexterous manipulation tasks. T-WLA reduces finger-joint MPJPE by 30% relative to the strongest reported baseline and achieves an average success rate of approximately 50.0% across real-robot manipulation tasks. Videos and code are available at https://anonymous-submission-20.github.io/T-WLA.github.io/.
• Abstract（参考訳）: コンタクトリッチな操作では、視覚ポリシーがアクションプランを更新する前に接触条件を変更することができる。 視覚的ポリシによる計画の再計算には遅延が生じるが、触覚フィードバックだけでは、タスクのために進行中の動作をどのように修正すべきかを明記していない。 本稿では,行動生成と触覚補正の両方を誘導する共有視覚メモリを用いた世界言語対応アーキテクチャT-WLAを紹介する。 各ビジュアル更新では、ビジュアルブランチが現在のイメージ、タスク命令、検索された履歴をベースアクション生成を条件としたビジュアルメモリに統合する。 同じメモリをライトウェイトな触覚エディタにキャッシュし、アクティブなアクションチャンクと入ってくるタッチを組み合わせることで、視覚ブランチを再実行することなく、未実行のアクションに対する残差の修正を予測する。 将来のイメージと将来のプレッシャ予測は、トレーニングのみの監視を提供し、視覚記憶と触覚の特徴を奨励し、アクションの生成と修正に関連する相互作用のダイナミクスをキャプチャする。 EgoTouch と Tachin を用いて触覚条件付き手動予測を行い,実世界の4つの操作課題について検討した。 T-WLAは、報告された最強ベースラインと比較して指関節MPJPEを30%削減し、実際のロボット操作タスクで平均50.0%の成功率を達成する。 ビデオとコードはhttps://anonymous-submission-20.github.io/T-WLA.github.io/で公開されている。

関連論文リスト

• Beyond Actions: Learning Future Operation Targets for Vision-Language-Action Models [56.97744308982891]
  本稿では,将来的な物理的効果を政策の主要な予測対象とするアクション-フューチャー結合効果学習(AFCE)を紹介する。 AFCEは50.97%$で、それぞれ$_0.5$、UVTを11.82ポイント、UVTを15.21ポイント改善している。
  論文  参考訳（メタデータ） (2026-10-09T08:29:46Z)
• TouchScale: 500 Hours of Human Vision and Touch for Visual-Tactile Learning [103.68709128626244]
  我々は、単一の統一ウェアラブルセットアップで記録されたコンタクトリッチなヒューマンインタラクションのデータセットであるTouchScaleを紹介した。 TouchScaleのトレーニングでは、目に見えない触覚センサからのデータから、ゼロショットコンタクトIoUが0.134から0.383に上昇する。 TouchScaleは、4つのコンタクトリッチな操作タスクの平均的な実世界の成功率を22.5%から57.5%に改善している。
  論文  参考訳（メタデータ） (2026-10-07T15:49:41Z)
• TacDyn-WAM: Learning Implicit Tactile Dynamics in a Heterogeneous Visuo-Tactile World Action Model [32.279153732430544]
  本稿では,多種性ビジュオ触覚世界行動モデルであるTacDyn-WAMを紹介する。 将来の触覚観察を再構築するのではなく、暗黙の触覚力学を予測する。 動的に認識可能な触覚ターゲット空間であるTacRepを学習する。
  論文  参考訳（メタデータ） (2026-09-30T19:40:57Z)
• TacWAM: Anchor-Guided World Action Model with Mechanics-Aware Tactile Prediction [15.274487606802124]
  World Action Models (WAM) は将来の状態予測とロボットアクション生成を組み合わせるが、既存のアプローチは視覚的未来に大きく依存している。 本稿では、この課題に3つのステップで対処する、メカニック対応の触覚WAMであるTacWAMを紹介する。 筆者らは, 脆弱な把握, 表面接触, 動的手動操作を含む4つの実世界の接触リッチな操作タスクに対して, TacWAMを評価した。
  論文  参考訳（メタデータ） (2026-07-30T15:47:01Z)
• τ: Learning Touch-Augmented Vision-Language-Action Models from Future Visual Supervision [43.426795127841075]
  本稿では,視覚の視覚的監視から触覚表現を学習するタッチ拡張型視覚・言語・アクション(VLA)フレームワークを提案する。 また、4つの代表的なコンタクトリッチな操作タスクにまたがって、同期視覚、プロプレセプション、および視覚ベースの触覚信号のデータセットであるTacAuraを紹介する。
  論文  参考訳（メタデータ） (2026-07-27T14:25:15Z)
• VT-WAM: Visual-Tactile World Action Model for Contact-Rich Manipulation [22.0330577788623]
  コンタクトリッチな操作には、局所的な変形、圧力、滑り、摩擦に反応するポリシーが必要である。 既存の視覚触覚ポリシーは通常、触覚観察を直接行動予測に供給する。 本稿では,未来の視覚予測,触覚変形予測,行動予測を共同で学習する視覚触覚世界行動モデルであるVT-WAMを紹介する。
  論文  参考訳（メタデータ） (2026-07-02T17:58:36Z)
• Tactile-WAM: Touch-Aware World Action Model with Tactile Asymmetric Attention [53.84395207661823]
  触覚非対称注意機構(TAAM)を備えたタッチ対応WAMであるTactile-WAMを提案する。 ManiFeelでは、Tactile-WAMは平均成功率を38.9%改善し、コンタクトリッチタスクでは86%改善した。
  論文  参考訳（メタデータ） (2026-06-25T06:54:56Z)
• End-to-end Temporal Action Detection with Transformer [86.80289146697788]
  時間的アクション検出(TAD)は、トリミングされていないビデオにおいて、すべてのアクションインスタンスのセマンティックラベルとバウンダリを決定することを目的としている。 そこで我々は,textitTadTR と呼ばれる Transformer によるTAD のエンドツーエンドフレームワークを構築した。 本手法は,HACSセグメンツとTHUMOS14の最先端性能とActivityNet-1.3の競合性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T17:58:34Z)

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。