Fugu-MT 論文翻訳(概要): SO-101 Bench: Accessible Spatial Manipulation

論文の概要: SO-101 Bench: Accessible Spatial Manipulation

arxiv url: http://arxiv.org/abs/2610.36420v1
Date: Tue, 27 Oct 2026 00:02:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-28 21:04:31.451755
Title: SO-101 Bench: Accessible Spatial Manipulation
Title（参考訳）: SO-101ベンチ:アクセシブル空間操作
Abstract要約: SO-101ベンチ(SO-101 Bench)は、アイザック・ラボ(Isaac Lab)のデジタルツイン(SO-101)上に開発された言語による空間操作のベンチマークである。 5つのファミリー、128のオブジェクト、目に見えないインスタンス、目に見えないクラスのスプリット、916のサブセットによる評価エピソードの4つのタスクがある。 9つのVLAとワールドアクションモデル全体で、最も学習されたポリシーは61%近くで、空間配置、見えないオブジェクトクラス、ローテーション・ツー・フィットのプランニングが残っている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Low-cost arms such as the SO-101 have become the most common entry point to robot learning, yet no released policy performs spatially constrained, language-conditioned tasks on them out of the box, and existing SO-101 benchmarks run only on physical hardware with simple tasks and few held-out objects. We introduce SO-101 Bench, a simulated benchmark for language-conditioned spatial manipulation built on an Isaac Lab digital twin of a real SO-101 setup. It has four tasks scored as five families, 138 objects in seen, unseen-instance and unseen-class splits, 916 evaluation episodes with subsets for held-out appearances, rotate-to-fit planning and occlusion memory, and 3,629 simulated demonstrations on which every learned policy is fine-tuned under an equal compute budget. The twin ranks policies as the real robot does: five policies trained without real data, four VLAs and an LLM agent, keep their exact ranking when the same weights run on the physical arm in an unseen environment with unseen objects (Spearman rho = 1.00, MMRV = 0.000), although simulation overestimates success. Across nine VLAs and world-action models, the best learned policies score near 61%, with spatial placement, unseen object classes and rotate-to-fit planning remaining open. An LLM agent that writes code and hands grasping to a learned policy scores 83.2%, and an ablation shows that this lead comes from the choice of harness and the choice of language model.
Abstract（参考訳）: SO-101のような安価なアームは、ロボット学習の最も一般的なエントリポイントとなっているが、空間的に制約された言語条件のタスクを最初から実行しておらず、既存のSO-101ベンチマークは、単純なタスクと少数の保持対象を持つ物理ハードウェア上でのみ実行される。 So-101 Benchは,Isaac Labのデジタルツイン上に構築された言語条件空間操作のシミュレーションベンチマークである。 5つのファミリー、128のオブジェクト、目に見えないインスタンスと未確認のクラス分割、ホールドアウト外観のサブセットによる916の評価エピソード、ローテーション・ツー・フィジット・プランニングとオクルージョン・メモリ、そして、同じ計算予算の下で全ての学習方針が微調整された3,629のシミュレートされたデモである。実際のデータ無しで訓練された5つのポリシー、4つのVLAと1つのLLMエージェントは、未確認のオブジェクト(Spearman rho = 1.00, MMRV = 0.000)で同じ重みが物理アーム上で動いているときに正確なランキングを維持するが、シミュレーションは成功を過大評価している。 9つのVLAモデルとワールドアクションモデルで、最も学習されたポリシーは61%近くで、空間配置、見えないオブジェクトクラス、ローテーション・ツー・フィットのプランニングが残っている。 LLMエージェントは、学習したポリシーにコードと手をつかむことで83.2%のスコアを獲得し、このリードは、ハーネスの選択と言語モデルの選択から来ていることを示している。

論文の概要: SO-101 Bench: Accessible Spatial Manipulation

関連論文リスト