論文の概要: Direct Action-Manifold Modeling for Efficient and Robust Bimanual Manipulation

• arxiv url: http://arxiv.org/abs/2610.41643v1
• Date: Fri, 30 Oct 2026 12:17:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.699329
• Title: Direct Action-Manifold Modeling for Efficient and Robust Bimanual Manipulation
• Title（参考訳）: 効率的かつロバストなバイマニピュレーションのためのダイレクトアクション・マニフォールド・モデリング
• Abstract要約: 拡散とフローマッチングのビジュモータポリシーは、マルチモーダルアクション生成のための反復的デノゲーションまたは数値積分を必要とする。 我々は、視覚とプロプレセプションを条件とした異なる定式化を考察し、共同行動空間の構造化された観察依存領域にバイマガルアクションチャンクを集中させることを実証した。 本研究では, クリーンで観測条件の整った共同空間動作チャンクの直接モデリングとして, 動作生成を再構成するダイレクトマニフォールド動作トランス (DMAT) を提案する。
• 参考スコア（独自算出の注目度）: 22.463460765927696
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion and flow matching visuomotor policies require iterative denoising or numerical integration for multimodal action generation, introducing latency and execution mismatch. We instead consider a different formulation: conditioned on vision and proprioception, demonstrated bimanual action chunks concentrate in a structured observation-dependent region of joint-action space, making the action target more direct to model than the generative process. Based on this view, we propose the Direct Manifold Action Transformer (DMAT), which reformulates action generation as the direct modeling of clean, observation-conditioned joint-space action chunks from stochastic interpolants, thereby enabling single-step inference without relying on iterative generative inference or auxiliary trajectory-straightening procedures. Within DMAT, local 3D geometry anchors predictions to spatial structure, while State-Consistent Spectral-Time Refinement (STR) reconciles predicted chunks with proprioception and suppresses high-frequency residuals. Across 567 standard and out-of-distribution (OOD) trials per method, DMAT outperformed Improved 3D Diffusion Policy (IDP3) and DiTFlow3D in aggregate success rate, achieving relative improvements of 129.1% and 95.7%, respectively, while generating action chunks 2.06x and 1.34x faster and remaining robust under repeated 50 N interventions. These results pave the way for a novel generative paradigm for efficient and robust bimanual manipulation.
• Abstract（参考訳）: 拡散とフローマッチングのビジュモータポリシでは,マルチモーダルアクション生成のための反復的デノゲーションや数値積分が求められ,レイテンシと実行ミスマッチが導入される。 その代わり、視覚とプロプレセプションを条件とした異なる定式化を考察し、共同行動空間の構造化された観察依存領域に集中し、行動対象が生成過程よりもモデルにより直接的であることを示した。 そこで本研究では, 直接マニフォールド・アクション・トランスフォーマ (DMAT) を提案する。これは, クリーンで観察条件付き共同空間動作チャンクを確率的補間材から直接モデル化することにより, 反復的生成推論や補助的軌道追跡手順に頼ることなく, 単一ステップの推論を可能にする。 DMAT内では、局所的な3次元幾何学が空間構造に予測を固定し、ステイト・コンスタント・スペクトル・タイム・リファインメント(STR)は予測チャンクをプロリオセプションで再構成し、高周波残差を抑制する。 567の標準とアウト・オブ・ディストリビューション(OOD)の試験では、DMATは改善された3D拡散ポリシー(IDP3)とDiTFlow3Dを総合的な成功率で上回り、それぞれ129.1%と95.7%の相対的な改善を達成した。 これらの結果は、効率的で堅牢な双方向操作のための新しい生成パラダイムの道を開くものである。

関連論文リスト

• D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
  欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。 提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
  論文  参考訳（メタデータ） (2026-05-21T09:55:42Z)
• Ada3Drift: Adaptive Training-Time Drifting for One-Step 3D Visuomotor Robotic Manipulation [53.750389076941396]
  拡散に基づくビジュモータポリシーは反復的認知を通じて多モーダルな動作分布をキャプチャするが、その高い推論遅延はリアルタイムロボット制御を制限する。 Ada3Driftは,専門家のデモモードに対して予測された行動を引き付ける訓練時間ドリフト場を学習する。 Ada3Driftは、拡散ベースの代替よりも10倍の関数評価を必要としながら、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） (2026-03-12T14:36:53Z)
• Structural Action Transformer for 3D Dexterous Manipulation [80.07649565189035]
  クロス・エボディメント・スキル・トランスファーは、ハイDoFロボットハンドの課題である。 既存の手法は、しばしば2次元の観測と時間中心の行動表現に依存し、3次元の空間的関係を捉えるのに苦労する。 本稿では、構造中心の視点を導入することで、このパラダイムに挑戦する新しい3Dデクスタラスな操作ポリシーを提案する。
  論文  参考訳（メタデータ） (2026-03-04T11:38:12Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Scalable, Explainable and Provably Robust Anomaly Detection with One-Step Flow Matching [14.503330877000758]
  Time-Conditioned Contraction Matching is a novel method for semi-supervised anomaly detection in tabular data。 これは、確率分布間の速度場を学習する最近の生成モデリングフレームワークであるフローマッチングにインスパイアされている。 ADBenchベンチマークの大規模な実験により、TCCMは検出精度と推論コストのバランスが良好であることが示されている。
  論文  参考訳（メタデータ） (2025-10-21T06:26:38Z)
• ReSeFlow: Rectifying SE(3)-Equivariant Policy Learning Flows [7.360373380580255]
  本稿では, SE(3)-拡散モデルに補正を導入し, 高速かつジオデシックな, 最小計算型ポリシー生成を提供するReSeFlowを提案する。 提案したReSeFlowは,提案手法よりも測地距離が低い場合に高い性能が得られることがわかった。
  論文  参考訳（メタデータ） (2025-09-20T06:32:36Z)
• Diffusion Action Segmentation [63.061058214427085]
  本稿では,このような反復的洗練の本質的な精神を共用した拡散モデルによる新しい枠組みを提案する。 このフレームワークでは、入力された映像の特徴を条件としてランダムノイズから行動予測を反復的に生成する。
  論文  参考訳（メタデータ） (2023-03-31T10:53:24Z)
• Distribution-Aware Single-Stage Models for Multi-Person 3D Pose Estimation [29.430404703883084]
  本稿では,多人数の3Dポーズ推定問題に対処する新しいDASモデルを提案する。 提案するDASモデルでは,3次元カメラ空間における人物位置と人体関節をワンパスで同時に位置決めする。 CMU Panoptic と MuPoTS-3D のベンチマークに関する総合的な実験は、提案したDASモデルの優れた効率を実証している。
  論文  参考訳（メタデータ） (2022-03-15T07:30:27Z)

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。