論文の概要: RoboAtom: Large-scale Atomic-Action Supervision for Robot Learning
- arxiv url: http://arxiv.org/abs/2610.40207v1
- Date: Thu, 29 Oct 2026 14:55:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 07:58:15.057889
- Title: RoboAtom: Large-scale Atomic-Action Supervision for Robot Learning
- Title（参考訳）: RoboAtom:ロボット学習のための大規模アトミック・アクション・スーパービジョン
- Abstract要約: 複数のソースからの既存のデータに、統合された時間順のアトミックアクションアノテーションを追加するRoboAtom-Dataを提案する。
私たちのパイプラインは、統一されたプロトコル、大規模な手動アノテーション、繰り返し実行間の伝搬と、同じ順序のスキルシーケンスを組み合わせたものです。
我々は、スキルレベルのロボット学習のさらなる研究を支援するために、データ、ベンチマーク、モデル、建設パイプラインをリリースする。
- 参考スコア（独自算出の注目度）: 44.634082672254515
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Fine-grained action annotations can support skill reuse and compositional generalization in robot policies. However, robot datasets typically provide task-level instructions without subtask annotations. Although some include subtask labels, inconsistent formats and conventions hinder cross-source joint training. We propose RoboAtom-Data, which adds unified, time-aligned atomic-action annotations to existing data from multiple sources, covering 1.45 million trajectories, 6.88 million skill-labeled segments, and 16,882.1 hours. Our pipeline combines a unified protocol, large-scale manual annotation, propagation across repeated executions with the same ordered skill sequence, and multi-stage quality control. We evaluate the dataset through automatic atomic-action annotation and robot control. We construct RoboAtom-Bench to standardize evaluation of skill recognition and temporal boundary localization. Trained on the annotated data, RoboAtom-Anno achieves better automatic annotation performance than all evaluated open- and closed-source models on both RoboAtom-Bench and the external WGO-Bench. For robot control, atomic-action supervision paired with hierarchical execution improves task success over task-level baselines on LIBERO-Long, LIBERO-Plus, and RoboTwin. We will release the data, benchmark, model, and construction pipeline to support further research on skill-level robot learning.
- Abstract（参考訳）: きめ細かいアクションアノテーションは、ロボットポリシーにおけるスキルの再利用と構成の一般化をサポートすることができる。
しかしながら、ロボットデータセットは通常、サブタスクアノテーションなしでタスクレベルの命令を提供する。
サブタスクラベルを含むものもあるが、一貫性のないフォーマットや規約は、クロスソースのジョイントトレーニングを妨げる。
我々はRoboAtom-Dataを提案する。これは、複数のソースからの既存のデータに、統合されたタイムアラインなアトミックアクションアノテーションを追加し、1.45万のトラジェクトリ、6.88万のスキルラベル付きセグメント、16,882.1時間を含む。
私たちのパイプラインは、統一されたプロトコル、大規模な手動アノテーション、繰り返し実行間の伝搬と、同じ順序のスキルシーケンス、マルチステージ品質制御を組み合わせたものです。
自動原子アクションアノテーションとロボット制御によるデータセットの評価を行った。
スキル認識と時間的境界ローカライゼーションの評価を標準化するために,RoboAtom-Benchを構築した。
アノテーション付きデータに基づいてトレーニングされたRoboAtom-Annoは、RoboAtom-Benchおよび外部WGO-Benchで評価されたすべてのオープンソースモデルやクローズドソースモデルよりも優れた自動アノテーションパフォーマンスを実現する。
ロボット制御において、階層的実行と組み合わせた原子行動監督は、LIBERO-Long、LIBERO-Plus、RoboTwinのタスクレベルベースラインよりもタスク成功を改善する。
我々は、スキルレベルのロボット学習のさらなる研究を支援するために、データ、ベンチマーク、モデル、建設パイプラインをリリースする。
関連論文リスト
- Exploring the Limits of Combinatorial Generalization in Embodied Manipulation [16.980933273779893]
具体的操作では、視覚言語アクション(VLA)モデルは原子スキルを実行することができるが、ロングホライゾン操作では、すべてのスキルの組み合わせに対してデモなしでこれらのスキルを再結合する必要がある。
制御された研究では、限られたスキルの組み合わせシーケンスに関する完全な指導訓練は、カバーされた組み合わせで40.0%の順に成功したが、リコンビネーションで7.7%しか成功しなかった。
HSE(Hierarchical Subtask Execution)は,計画者,トリガ,ポリシに対する共有モジュールインターフェースを通じて,スキルの再結合を公開する診断フレームワークである。
論文 参考訳（メタデータ） (2026-10-11T07:59:34Z) - FineART: Fine-Grained Annotated Robotic Trajectory Dataset and Vision-Language-Action Model for Bimanual Manipulation [5.032127588091453]
FineARTは、40,543エピソード(1,718時間)と151タスクにわたる533,913サブタスクからなる、双方向操作データセットである。
我々はファインアート-VLAを紹介した。これは視覚言語アクションポリシーであり、そのアクションを導くための次のサブタスクを予測する。
論文 参考訳（メタデータ） (2026-09-29T00:13:29Z) - $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation [51.05516457377339]
ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。
計算スケーリング可能な推論問題として高レベルサブタスク生成を定式化する階層型ロボット基盤モデルである$_0$-VLAを導入する。
低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。
論文 参考訳（メタデータ） (2026-08-17T17:59:11Z) - Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data [60.94418315274988]
Ego2Robotは、キュレートされたビデオとインザワイルドのビデオの両方をサポートし、15のロボット形態にまたがる18,561時間のトレーニングデータを生成する。
Ego2Robotの合成データとロボットデータの併用による事前学習は、複数のタイプにわたるアウト・オブ・ディストリビューションの一般化を一貫して改善する。
論文 参考訳（メタデータ） (2026-08-03T17:52:26Z) - Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models [95.75234389806654]
本稿では、Qwen-VL上に構築された一般化可能なビジョン・ランゲージ・アクション基盤モデルであるQwen-RobotManipを提案する。
Qwen-RobotManipは、操作の表現、動き、行動の次元にわたって統合されたアライメントフレームワークを導入している。
人間とロボットの合成パイプラインは、エゴセントリックな手の動きを15プラットフォームにわたるロボットの軌道に変換する。
論文 参考訳（メタデータ） (2026-06-16T12:14:39Z) - ATOM-Bench: A Real-World Benchmark for Atomic Skills and Compositional Generalization in Manipulation Policies [18.55273532676497]
汎用的な操作ポリシーは、ロボット制御の基礎モデルとしてますます提示されている。
ATOM-Benchは、操作ポリシーにおける原子スキルと組成一般化の両方を評価するための実世界のベンチマークである。
論文 参考訳（メタデータ） (2026-06-15T15:08:42Z) - AtomicVLA: Unlocking the Potential of Atomic Skill Learning in Robots [92.18094199070693]
現実世界のロボットタスクは、長い水平、多段階の問題解決を伴い、継続的なスキル獲得のために一般化を必要とすることが多い。
我々は、タスクレベルの計画、アトミックスキルの抽象化、きめ細かいアクションを共同で生成する統合計画実行フレームワークAtomicVLAを提案する。
シミュレーションでは、AtomicVLAはLIBEROで$_0$2.4%、LIBERO-LONGで10%、CALVINで$_0$と$_0.5$0.22、平均タスク長0.25よりパフォーマンスが良い。
論文 参考訳（メタデータ） (2026-03-08T14:18:56Z) - Instruct2Act: From Human Instruction to Actions Sequencing and Execution via Robot Action Network for Robotic Manipulation [14.833622989644352]
我々は、自然言語コマンドを信頼性の高い操作に変換する軽量で完全なオンデバイスパイプラインを開発した。
Instruct2Actは91.5%のサブアクション予測精度を達成し、フットプリントは小さい。
その結果, DATRNに基づく軌道生成と視覚誘導グラウンド化と相まって, 決定論的, リアルタイムな操作を行うための実践的な経路が得られた。
論文 参考訳（メタデータ） (2026-02-10T16:25:39Z) - Interactive Planning Using Large Language Models for Partially
Observable Robotics Tasks [54.60571399091711]
大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。
LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
論文 参考訳（メタデータ） (2023-12-11T22:54:44Z)
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。