論文の概要: DAWN: Diffusion-based Alignment and unfastening Workflow Network

• arxiv url: http://arxiv.org/abs/2610.40537v1
• Date: Thu, 29 Oct 2026 17:35:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 06:46:26.835006
• Title: DAWN: Diffusion-based Alignment and unfastening Workflow Network
• Title（参考訳）: DAWN:拡散に基づくアライメントと非高速化ワークフローネットワーク
• Abstract要約: DAWN(Diffusion-based Alignment and Unfastening Network)は,実世界の非高速タスクを実行するために設計された階層型ロボットフレームワークである。 DAWNは3つの重要なコンポーネントで構成されている。AlignNet、正確なドライバーチップエンゲージメントを保証する拡散ベースのポリシー、LatchNet、成功したステージ遷移を確実に検出するマルチモーダル分類器、そして安定して力制御されたスクリュー除去を実現するUnfastNetである。
• 参考スコア（独自算出の注目度）: 0.7359962178534359
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present DAWN (Diffusion-based Alignment and unfastening Workflow Network), a hierarchical robotic framework designed to perform real-world, unfastening tasks through multi-modal sensory integration. Autonomous robotic unfastening is crucial for improving recycling processes, enhancing safety, and reducing operational costs; yet, it remains predominantly manual due to inherent challenges in precise screwdriver engagement with fasteners, detailed force execution, and robustness to environmental variability. To address the complexity of learning long-horizon, contact-rich manipulation tasks, we subdivide the unfastening task procedure into two sequential stages: (1) alignment & insertion, and (2) unfastening. DAWN consists of three key components: AlignNet, a diffusion-based policy ensuring precise screwdriver tip engagement; LatchNet, a multi-modal classifier reliably detecting successful stage transitions; and UnfastNet, which achieves stable, force-controlled screw removal. Experimental validation on a Franka Emika robot demonstrates that DAWN achieves alignment & insertion success rates comparable to trained human operators, robustly transitions between stages, and attains an impressive success rate in unfastening across various unseen scenarios. Ablation studies further elucidate critical input modalities and effective training strategies, highlighting DAWN's scalability, robustness, and data efficiency.
• Abstract（参考訳）: DAWN(Diffusion-based Alignment and unfastening Workflow Network)は,マルチモーダル感覚統合により現実の非高速タスクを実現するための階層型ロボットフレームワークである。 自律型ロボットの非高速化は、リサイクルプロセスの改善、安全性の向上、運用コストの削減に不可欠である。 長期学習の複雑さに対処するため,(1)アライメントと挿入,(2)アンファスト化の2段階に分けて,非ファスト化タスクの手順を分割する。 DAWNは3つの重要なコンポーネントで構成されている。AlignNet、正確なドライバーチップエンゲージメントを保証する拡散ベースのポリシー、LatchNet、成功したステージ遷移を確実に検出するマルチモーダル分類器、そして安定して力制御されたスクリュー除去を実現するUnfastNetである。 フランカ・エミカ・ロボットの実験的な検証では、DAWNは訓練された人間のオペレーターに匹敵するアライメントと挿入の成功率、ステージ間の堅牢な遷移、そして様々な目に見えないシナリオをまたがる未解決の成功率を達成している。 アブレーション研究は、DAWNのスケーラビリティ、堅牢性、データ効率を強調し、重要な入力モダリティと効果的なトレーニング戦略をさらに解明する。

関連論文リスト

• Iron: Intent-Aligned and Retrospective Dual Learning Framework for Enhancing Generalist Virtual Agents [31.811763840603614]
  我々は、GUIエージェントをトレーニングするための意図に沿ったフレームワークであるIronを紹介します。 鉄は、低レベルアクションと高レベルインテントの微粒なアライメントを達成するために、段階的にサイクル一貫性の報酬を用いる。 鉄を訓練したジェネリストエージェントは、クロス環境およびクロスデバイスタスクのパフォーマンスを一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-08-28T03:15:11Z)
• Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills [53.15216425100295]
  本稿では,提案者,解決者,スキルコントローラからなる共進化型フレームワークであるスキルセルフプレイ(スキルSP)を紹介する。 プロジェクタは動的にサンプリングされたスキルを前提とした挑戦的なタスクを生成し、ソルバは能力境界を押し上げるための候補ソリューションを探索し、スキルコントローラは実行フィードバックを収集してスキルライブラリを更新および拡張する。 このインタラクティブな共進化は、構造化された検証とオープンな調査の間のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2026-07-24T17:59:22Z)
• Synergizing Efficiency and Reliability for Continuous Mobile Manipulation [14.763845074065019]
  人間は予測計画と即時フィードバックを融合し、停止することなく連続した移動操作タスクを実行する。 本稿では,モバイル操作の効率化と信頼性を両立させる統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-07T04:55:16Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)
• Digital Twin Synchronization: Bridging the Sim-RL Agent to a Real-Time Robotic Additive Manufacturing Control [2.5709786140685633]
  この研究は、産業ロボット工学応用のためのソフトアクター・クライトとデジタルツインの統合を推進している。 システムアーキテクチャはUnityのシミュレーション環境とROS2を組み合わせて、シームレスなデジタル双対同期を実現する。 その結果、シミュレートされた環境と物理的環境の両方において、迅速な政策収束と堅牢なタスク実行が示された。
  論文  参考訳（メタデータ） (2025-01-29T22:06:53Z)
• BiKC: Keypose-Conditioned Consistency Policy for Bimanual Robotic Manipulation [48.08416841005715]
  両面操作に適したキーポーズ条件の整合性ポリシーを導入する。 階層的な模倣学習フレームワークであり、ハイレベルなキープレース予測器と低レベルな軌道生成器から構成される。 シミュレーションおよび実世界の実験結果から,提案手法は成功率と運用効率の点で基準法を超越していることが示された。
  論文  参考訳（メタデータ） (2024-06-14T14:49:12Z)
• Generalize by Touching: Tactile Ensemble Skill Transfer for Robotic Furniture Assembly [24.161856591498825]
  TEST(Tactile Ensemble Skill Transfer)は、制御ループに触覚フィードバックを組み込んだオフライン強化学習(RL)アプローチのパイオニアである。 TESTの中核となる設計は、高度計画のためのスキル移行モデルと、適応的なスキル内目標達成ポリシーのセットを学ぶことである。 その結果, TESTは90%以上の成功率を達成でき, 一般化政策の4倍以上の効率であることがわかった。
  論文  参考訳（メタデータ） (2024-04-26T20:27:10Z)
• Multi-Stage Cable Routing through Hierarchical Imitation Learning [52.66135251744562]
  本研究では,多段階ロボット操作タスクの学習の課題とケーブルルーティングへの応用について検討する。 本稿では,この手法を用いてケーブルルーティングタスクを学習し,優れた性能を示す評価を行うシステムを提案する。
  論文  参考訳（メタデータ） (2023-07-18T02:14:49Z)

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。