論文の概要: Improving Fine-Grained Manipulation through Demonstration Expansion and Execution Design

• arxiv url: http://arxiv.org/abs/2610.40430v1
• Date: Thu, 29 Oct 2026 16:51:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 07:12:33.065768
• Title: Improving Fine-Grained Manipulation through Demonstration Expansion and Execution Design
• Title（参考訳）: デモストレーション展開と実行設計による微粒化マニピュレーションの改善
• Abstract要約: きめ細かい操作には、指示に従い、視覚の変化に頑健なままで、予測されたアクションを正確なロボット制御に変換するロボットポリシーが必要である。 提案するDemonstration Expansion and Execution Design (DEED, Demonstration Expansion and Execution Design, Demonstration Expansion and Execution Design, Demonstration Expansion and Execution Design, DEED) は,構造化された実演拡張と実行設計を通じて,事前訓練された視覚-言語-アクションポリシーを5つのタスクに適用するためのフレームワークである。
• 参考スコア（独自算出の注目度）: 11.213988769080673
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained manipulation requires a robot policy to follow instructions, remain robust to visual variations, and translate predicted actions into precise robot control. We present Demonstration Expansion and Execution Design (DEED), a framework for adapting a pretrained vision-language-action policy to the five MetaFine tasks through structured demonstration expansion and execution design. DEED generates demonstrations for different instructions from the same initial scene and renders each physical trajectory under different camera positions and lighting conditions while preserving its original states and action targets. A hierarchical sampling strategy balances instructions, trajectories, and visual conditions during supervised adaptation. At deployment, DEED converts predicted action chunks into robot commands using inverse kinematics, gripper mappings selected for each task, and closed-loop replanning. DEED achieves an official Overall score of 85.55%. Fixed-policy evaluations show that performance varies with execution horizon, denoising budget, and gripper mapping.
• Abstract（参考訳）: きめ細かい操作には、指示に従い、視覚の変化に頑健なままで、予測されたアクションを正確なロボット制御に変換するロボットポリシーが必要である。 提案するDemonstration Expansion and Execution Design (DEED, Demonstration Expansion and Execution Design, Demonstration Expansion and Execution Design, Demonstration Expansion and Execution Design, DEED) は,構造化された実演拡張と実行設計を通じて,事前訓練された視覚-言語-アクションポリシーを5つのタスクに適用するためのフレームワークである。 DEEDは、同じ初期シーンから異なる指示のデモを生成し、それぞれの物理的軌道を異なるカメラ位置と照明条件下でレンダリングし、元の状態とアクションターゲットを保存する。 階層的なサンプリング戦略は、教師付き適応中に指示、軌道、視覚条件のバランスをとる。 デプロイメントでは、予測されたアクションチャンクを、逆キネマティクス、タスク毎に選択されたグリップマッピング、クローズドループのリプランニングを使用して、ロボットコマンドに変換する。 DEEDの公式スコアは85.55%である。 固定政治評価は、実行地平線、デノベーション予算、グリップマッピングによってパフォーマンスが変化することを示している。

関連論文リスト

• TaskFrame: Connecting Task-Level Planning with Frame-Level Control for Game Agents [66.48934171776204]
  一般的なゲームエージェントの構築には、ハイレベルなタスク推論と低レイテンシなアクション制御の両方が必要である。 タスクレベルの計画とフレームレベルのキーボード・アンド・ムース制御を結合する階層的なプランナー・コントローラフレームワークであるTaskFrameを提案する。 Minecraftの実験では、TaskFrameは命令分解の汎用的なビジョン言語モデルと競合している。
  論文  参考訳（メタデータ） (2026-10-29T15:31:37Z)
• Perceive, Predict, and Plan: a Unified World Action Model for Egocentric Dexterous Manipulation [53.00741268465108]
  P$3$-WAMは、エゴセントリックなデキスタラスな操作のための統一された世界アクションモデルである。 我々のモデルは、コンパクトで構造化された3Dアクション表現を事前訓練されたビデオ拡散変換器に統合する。 本モデルは,4つのデータセットにまたがる3次元手指再建と動作条件付き映像予測の専門的ベースラインに優れる。
  論文  参考訳（メタデータ） (2026-10-15T17:59:07Z)
• Unifying Policy Learning and State Prediction through Spatial Language Modeling [52.172884936392535]
  本研究では,シーンの輪郭,目標,行動目標,将来の状態を個別座標と意味トークンの共通語彙で表現する空間言語モデリングを提案する。 タスク固有の文法はこれらの要素を空間配列に整理し、1つの自己回帰変換器が行動生成と行動条件付き状態予測を学習できるようにする。 ランダム・プレイ・トランジション・プレトレーニングを駆使してモデルをスクラッチからトレーニングし、その後、専門家によるデモンストレーションで共同動作と状態トレーニングを行う。
  論文  参考訳（メタデータ） (2026-10-08T15:43:08Z)
• Achieve What You Imagined: Learning to Align Actions with Visual Plans [37.7412146305617]
  世界行動モデルは、将来の視覚的な観察とロボットのアクションを共同で予測することができる。 視覚的予測と、生成された行動によって引き起こされる結果の間には、相違がある可能性がある。 我々は、フリーズされた行動条件付き世界モデルを用いて、行動条件付き結果の予測とフィードバックの構築を行う。
  論文  参考訳（メタデータ） (2026-09-27T18:32:40Z)
• Improving Vision-Language-Action Model Fine-Tuning with Structured Stage and Keyframe Supervision [17.146970845728813]
  StaKeはVision-Language-Action(VLA)モデルのプラグイン補助監視フレームワークである。 手動のアノテーションなしで、デモグリップ状態から2つの補完信号を自動的に導き出す。 バイマニュアルシミュレーションとシングルアームのFranka実ロボットタスクの実験は、StaKeが一貫して成功率を改善することを示している。
  論文  参考訳（メタデータ） (2026-06-25T09:38:11Z)
• SWEET: Sparse World Modeling with Image Editing for Embodied Task Execution [61.612676324369595]
  画像編集モデルがロボット操作のための疎視世界モデルとして機能するかどうかを考察する。 本稿では,一括予測型視覚計画フレームワークSWEETを提案する。 DROIDとRoboMimicの実験では、SWEETは見知らぬシーンの予測を改善している。
  論文  参考訳（メタデータ） (2026-05-19T03:54:46Z)
• Visual Prompting for Robotic Manipulation with Annotation-Guided Pick-and-Place Using ACT [3.281128493853064]
  本稿では,アノテーションを用いた視覚的プロンプトを利用した知覚行動パイプラインを提案する。 我々は、ロボットアームが人間のデモンストレーションからチャンクされたアクションシーケンスを予測することができる模倣学習アルゴリズムとして、Action Chunking with Transformers (ACT)を採用している。 本システムは,小売環境における把握行動の成功率と視覚的分析に基づいて評価し,把握精度と適応性の向上を実証した。
  論文  参考訳（メタデータ） (2025-08-12T08:45:09Z)
• Goal-Conditioned End-to-End Visuomotor Control for Versatile Skill Primitives [89.34229413345541]
  本稿では,制御器とその条件をエンドツーエンドに学習することで,落とし穴を回避する条件付け手法を提案する。 本モデルでは,ロボットの動きのダイナミックな画像表現に基づいて,複雑な動作シーケンスを予測する。 代表的MPCおよびILベースラインに対するタスク成功の大幅な改善を報告した。
  論文  参考訳（メタデータ） (2020-03-19T15:04:37Z)

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。