論文の概要: KlaskTron-IL: A Contact-Rich Adversarial Imitation Learning Benchmark with a Validated Sim-to-Real Bridge

• arxiv url: http://arxiv.org/abs/2611.03091v1
• Date: Mon, 02 Nov 2026 13:11:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 13:27:18.337828
• Title: KlaskTron-IL: A Contact-Rich Adversarial Imitation Learning Benchmark with a Validated Sim-to-Real Bridge
• Title（参考訳）: KlaskTron-IL: 検証型Sim-to-Real Bridgeを用いたコンタクトリッチ逆模倣学習ベンチマーク
• Abstract要約: KlaskTronは、対戦型強化学習のためのオープンハードウェアプラットフォームである。 マルチ層模倣学習データセットであるKlaskTron-ILをコントリビュートする。
• 参考スコア（独自算出の注目度）: 2.554905387213586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: KlaskTron is an open-hardware physical platform for two-player adversarial reinforcement learning, with a learned actuator model that supports zero-shot sim-to-real transfer of trained policies. Building on this platform, we contribute KlaskTron-IL: a multi-tier imitation learning dataset (80k human demonstration timesteps collected directly on the physical robot, 320k symmetry-augmented timesteps, and synthetic expert trajectories up to 5M steps generated by the zero-shot-validated PPO policy), and diagnostic baselines that expose three characteristic failure modes of standard IL methods under contact-rich adversarial dynamics: BC's data scaling plateau, GAIL's interpretable but weak-gradient discriminator (Spearman $ρ= -1.0$ peg-ball proximity recovery, but a logit span under 0.1), and an asymmetric BC-prior x reward-density interaction. Because the policy interface used throughout this paper is the same one the actuator model bridges to hardware, a policy trained on this benchmark can run unchanged on the physical robot, as we demonstrate zero-shot for the strongest BC baseline, so long as its commands respect the actuator model's $\pm 0.2$ m/s identification range.
• Abstract（参考訳）: KlaskTronは、2人のプレイヤーによる敵の強化学習のためのオープン・ハードウェアな物理プラットフォームであり、訓練されたポリシーのゼロショットsim-to-real転送をサポートする学習アクチュエーターモデルを備えている。 このプラットフォーム上に構築されたKlaskTron-ILは、多層模倣学習データセット(物理ロボット上で直接収集された80kの人体デモタイムステップ、320kの対称性が強化されたタイムステップ、合成専門家の軌道は、ゼロショットバリデーションPPOポリシーによって生成される最大500万のステップを含む)と、標準ILメソッドの3つの特徴的な障害モードを明らかにする診断ベースラインを提供する。 本論文で使用されるポリシーインターフェースはアクチュエータモデルブリッジのハードウェアへのブリッジと同じであるため,このベンチマークでトレーニングされたポリシは,アクタモデルの識別範囲が$\pm 0.2$ m/sである限り,最強のBCベースラインをゼロショットで示すことができる。

関連論文リスト

• KlaskTron: An Open-Source Platform for Physical Adversarial Multi-Agent RL [2.140126541785805]
  KlaskTronは、動的テーブルトップゲームKLASKをベースとした、対戦型MARLのためのデスクトップスケールロボットテストベッドである。 このプラットフォームはデュアルのCoreXYガントリーと高トルクのブラシレスモーターを備えており、競争力のあるプレーに必要な高速で正確な操作を可能にしている。 このベースラインがゼロショットポリシー転送を可能にし、訓練されたエージェントが突発的な敵行動を示すことを実証する。
  論文  参考訳（メタデータ） (2026-11-02T13:49:53Z)
• Facet-0: A Robotic Foundation Model for Contact-Rich Precise Manipulation [7.26562340208125]
  ロボット基礎モデルであるFacet-0を提案する。 ManuFacet-1Kは3つの実施形態と複数の製造細胞にまたがる1000時間力同期コーパスである。 このシステムは5ミリ以下のコンピュータ組立タスクで平均82%成功し、最強のベースラインでは15%となる。
  論文  参考訳（メタデータ） (2026-09-01T17:58:07Z)
• GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
  ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。 純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。 自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
  論文  参考訳（メタデータ） (2026-08-18T18:21:36Z)
• $N_0$-VTLA: Scaling Vision-Tactile-Language-Action Model with Latent Tactile Tokens [0.0]
  本稿では,触覚知覚と触覚フィードバック制御を併用した接触リッチな微粒化操作が可能な視覚触覚言語反応(VTLA)基盤モデルを提案する。 本研究では, 触覚前訓練, 段階的触覚-パスウェイ統合, 利点条件付きオフラインポリシー改善からなる触覚統合のトレーニングレシピを提案する。
  論文  参考訳（メタデータ） (2026-07-26T17:58:47Z)
• Actuator Reality Shaping for Zero-Shot Sim-to-Real Robot Learning [0.5277024349608834]
  ロボット学習におけるシモン・トゥ・リアル・トランスファーは、ポリシートレーニング中に仮定される理想的なアクチュエータ・ダイナミクスと、物理モータの非線形でハードウェア依存的な動作との相違によって制限されることが多い。 アクチュエータ・リアリティー・シェーピング(Actuator Reality Shaping)という別のパラダイムを導入する。 本研究では,外負荷下での単関節高径サーボと7-DOFロボットアームの到達作業に対するアプローチを検証する。
  論文  参考訳（メタデータ） (2026-07-02T14:12:41Z)
• MolmoAct2: Action Reasoning Models for Real-world Deployment [67.6315757474802]
  MolmoAct2は、実用的なデプロイメントのために構築された、完全にオープンなアクション推論モデルである。 空間的および具体的推論に特化した VLM バックボーンである MolmoER を紹介する。 低コストプラットフォームにまたがる3つの新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2026-05-04T17:51:21Z)
• Point Bridge: 3D Representations for Cross Domain Policy Learning [43.12724292342628]
  Point Bridgeは統合されたドメインに依存しないポイントベース表現を利用するフレームワークである。 人工データのみを使用して実世界の操作エージェントを訓練する。 ゼロショットのsim-to-real転送で最大44%のアップを達成し、制限された実データで最大66%のアップを達成している。
  論文  参考訳（メタデータ） (2026-01-22T18:59:24Z)
• InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation [77.07565723756119]
  InternVLA-A1は動的予測機能を備えた視覚言語モデルである。 我々は、実世界のロボットデータ、合成シミュレーションデータ、人間のビデオなどを用いて、これらのモデルを異種データソース上で事前訓練する。 InternVLA-A1を実世界の12のロボットタスクとシミュレーションベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-01-05T18:54:29Z)
• FLARE: Robot Learning with Implicit World Modeling [87.81846091038676]
  $textbfFLARE$は、予測潜在世界モデリングをロボットポリシー学習に統合する。 $textbfFLARE$は最先端のパフォーマンスを実現し、これまでのポリシー学習のベースラインを最大26%上回っている。 この結果は、暗黙の世界モデリングと高周波ロボット制御を組み合わせた汎用的でスケーラブルなアプローチとして$textbfFLARE$を確立した。
  論文  参考訳（メタデータ） (2025-05-21T15:33:27Z)

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。