論文の概要: PolicyIK: High-Precision Inverse Kinematics for Robot Arms with Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2611.05372v1
- Date: Tue, 03 Nov 2026 18:59:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-07 05:16:47.08828
- Title: PolicyIK: High-Precision Inverse Kinematics for Robot Arms with Reinforcement Learning
- Title（参考訳）: PolicyIK:強化学習によるロボットアームの高精度逆運動学
- Abstract要約: 逆キネマティクス(IK)は、エンドエフェクターのポーズコマンドを関節運動に変換する。
我々は,高精度IKのための目標条件強化学習政策であるPocialIKを提案する。
- 参考スコア（独自算出の注目度）: 28.42894483012924
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inverse kinematics (IK) converts end-effector pose commands into joint motion, and many vision-language-action (VLA) policies rely on it to act on a given arm and to transfer across embodiments. Precise IK remains laborious: redundancy and singularities complicate the inverse mapping, execution depends on hand-tuned controllers, and training data on physical robots are costly to collect. We present PolicyIK, a goal-conditioned reinforcement learning policy for high-precision IK. It updates joint-position references from pose feedback and observes its accumulated reference relative to the measured joints, so it can retain the offset that the position controller needs at rest. Two-scale pose errors with an error-dependent action gain resolve millimeter residuals while preserving large motions. Progress and dwell rewards teach it to both reach the tolerance and stay within it. In simulation, a single attempt by the trained PPO policy keeps the mean errors over the final second within 1 mm and 0.2° on 93.5% of held-out tasks, and a deployment protocol raises success to 98.9%. When trained directly on a physical arm with an off-policy RL learner, PolicyIK achieves higher reaching and holding success than all four classical IK controllers under the same time budgets. In simulated pick-and-place, PolicyIK executes the end-effector commands of the $π_{0.5}$ VLA policy with 95.7% success. These results show that reinforcement learning can provide high-precision inverse kinematics for robot arms. Code is available at https://github.com/Tinaliu0123/PolicyIK.
- Abstract（参考訳）: 逆キネマティクス(英語版)(IK)は、エンドエフェクターのポーズを関節運動に変換するが、多くの視覚言語アクション(VLA)ポリシーは、特定の腕に作用し、エボディメントを移動するためにそれに依存する。
冗長性と特異性は逆マッピングを複雑にし、実行は手動で調整されたコントローラに依存し、物理的なロボットのトレーニングデータは収集に費用がかかる。
我々は,高精度IKのための目標条件強化学習政策であるPocialIKを提案する。
ポーズフィードバックからの関節位置参照を更新し、測定された関節に対して蓄積された参照を観察するので、位置制御器が静止するために必要なオフセットを保持することができる。
誤差依存的なアクションゲインを持つ2スケールのポーズエラーは、大きな動きを保ちながらミリ波残差を解消する。
進歩と幸福の報酬は、寛容に到達し、その中に留まるように教える。
シミュレーションでは、トレーニングされたPPOポリシーによる単一の試みは、93.5%のホールドアウトタスクにおいて、最終秒の平均誤差を1 mm と 0.2° に抑え、デプロイプロトコルは98.9%に向上する。
政治外のRL学習者による物理アームで直接訓練すると、PhysicalIKは4つの古典的IKコントローラよりも高いリーチと成功を達成できる。
模擬的なピック・アンド・プレイスでは、PocialIKは95.7%の成功で$π_{0.5}$ VLAポリシーのエンドエフェクターコマンドを実行する。
これらの結果から,強化学習はロボットアームに高精度な逆運動学をもたらすことが示唆された。
コードはhttps://github.com/Tinaliu0123/PolicyIKで入手できる。
関連論文リスト
- RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。
適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。
LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
論文 参考訳（メタデータ） (2026-10-08T15:49:03Z) - Taming VLAs under Robot Execution Errors: Self-Compensation and Stress Testing [59.15715295478112]
視覚言語アクション(VLA)ポリシーは、ロボットが実行した動作が命令された動作から逸脱した場合にしばしば失敗する。
本稿では,VLAポリシーがロボットの実行エラーを事前に補償できるデプロイ時適応手法である自己補償型VLAを提案する。
論文 参考訳（メタデータ） (2026-09-29T12:08:13Z) - ActionGround: Training-Free Runtime Refinement of Frozen VLA Policies [0.0]
VLA(Vision-Language-Action)モデルは、視覚的な観察と言語指示を直接ロボットアクションにマッピングする。
本稿では,凍結したVLAポリシをラップした,ニューロシンボリックでトレーニング不要な実行層であるActionGroundを紹介する。
我々は,OpenVLA,OpenVLA-OFT,Force-VLA,Generalist-VLAの10種類のLIBERO-Spatial pick-and-placeタスクにおけるActionGroundの評価を行った。
論文 参考訳（メタデータ） (2026-09-27T05:59:06Z) - HarnessPAI: An Evolving Harness for Physical AI [64.91964104275483]
本稿では,物理AIのためのモデルおよび具体化に依存しないフレームワークであるHarnessPAIを紹介する。
ロールアウト内では、プログラムレベルでオープンループを実行する。
デスクトップロボットアーム、家庭用ロボット、ロボット掃除機、そして歩行エージェントのHarnessPAIは、純粋なアクションモデルとコード・アズ・ポリティクスのベースラインの両方を改善している。
論文 参考訳（メタデータ） (2026-09-24T07:40:00Z) - ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models [40.14720118215973]
アクショントークンーは自己回帰視覚アクション(VLA)モデルにおいて中心的な役割を果たす。
トークン化が再建後の局所的物理的距離ランキングをどれだけよく保存するかを測定するために,身体的ランクの整合性(PRC)を導入する。
本稿では,表現学習と量子化の連携による身体行動関係の保存を行うActionPieceを提案する。
論文 参考訳（メタデータ） (2026-09-16T11:19:54Z) - Reinforcement Learning for Real-Time Vision-Language-Action Policies [71.61893237919794]
Real-Time EXPO-FTはリアルタイムVLAポリシーを微調整するためのRLフレームワークである。
Kinetixベンチマークでは、Real-Time EXPO-FTにより、遅延ポリシーが最高のパフォーマンスを達成することができる。
4つの動的な実世界のタスクにおいて、Real-Time EXPO-FTは平均的なポリシー性能を42%から97%に改善する。
論文 参考訳（メタデータ） (2026-09-16T06:38:36Z) - GE-Act 2.0: Pretraining and Scaling a World-Action Model for Robotic Manipulation [63.853929983870955]
本稿では,ジェニー・エンスペクタ法 2.0 (GE-Act 2.0) について紹介する。
制御指向オートエンコーダ(CoAE)、ワンステップビジュアルプランナー(SVP)、逆ダイナミクスモデル(IDM)を組み合わせている。
それらのコンポーネントは、知識に整合した選択最適化(KASO)で共同で訓練され、記録された行動に適合していると判断された予測された未来のみを選択することで、ミスマッチした監視を減らす。
論文 参考訳（メタデータ） (2026-09-04T17:16:48Z) - 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) - FAME: Force-Adaptive RL for Expanding the Manipulation Envelope of a Full-Scale Humanoid [41.604822515681256]
外力下でのバランスを維持することは、ヒューマノイドのバイマニュアル操作にとって重要である。
力適応型強化学習フレームワークである textbfFAME を提案する。
論文 参考訳（メタデータ） (2026-03-09T21:49:00Z) - Double Check My Desired Return: Transformer with Target Alignment for Offline Reinforcement Learning [64.6334337560557]
教師付き学習(RvS)による強化学習は、シーケンスモデリングタスクとしてオフラインRLをフレーム化する。
決定変換器(DT)は、実際の完了したリターンを特定のターゲットリターンと確実に整合させるのに苦労する。
そこで我々は,Offline RLの目標アライメントによる変換器の二重チェックを行う新しいアプローチであるDoctorを提案する。
論文 参考訳（メタデータ） (2025-08-22T14:30:53Z) - Survivable Hyper-Redundant Robotic Arm with Bayesian Policy Morphing [1.2891210250935143]
我々は,ロボットエージェントが学習方針を自己修正できるような,ベイズ政策形態(BPM)の枠組みを定式化する。
本研究では,事前経験に偏った方針探索が,サンプリング要求の観点から学習効率を著しく向上させることを示す。
以上の結果から,ロボットアームは物理的損傷があっても,対象物の位置を正確に把握する機能を維持することができることがわかった。
論文 参考訳（メタデータ） (2020-10-20T02:14:22Z)
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。