論文の概要: GraspBench: Execution-Aware Cross-Robot Evaluation of 6-DoF Grasp Generation in MuJoCo
- arxiv url: http://arxiv.org/abs/2611.07651v1
- Date: Thu, 05 Nov 2026 08:35:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.604219
- Title: GraspBench: Execution-Aware Cross-Robot Evaluation of 6-DoF Grasp Generation in MuJoCo
- Title（参考訳）: GraspBench: MuJoCo における 6-DoF Grasp 生成の実行を意識したクロスロボット評価
- Abstract要約: ロボット固有の逆運動学フィルタリング, 運動計画, 固定的アプローチクローズリフト実行後の完全なグリップ生成パイプラインの評価を行った。
GraspGenは最大のネイティブ候補セットを生成するが、44.3%の成功を達成しており、提案ボリュームだけではロボットが実行可能な把握を保証していないことを示している。
- 参考スコア（独自算出の注目度）: 4.243597126397549
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern 6-DoF grasp generators are often evaluated using grasp scores, dataset-level metrics, or single-robot demonstrations, yet proposal quality alone does not determine whether a grasp is executable by a particular robot. We present GraspBench, a controlled MuJoCo protocol for evaluating complete grasp-generation pipelines after robot-specific inverse-kinematics filtering, motion planning, and fixed approach-close-lift execution. GraspBench evaluates six configured pipelines across four robot embodiments, five diagnostic objects, and a structured tabletop pose grid, yielding 540 scenarios per method and 3,240 method-scenario evaluations in total. Missing outputs are conservatively counted as failures, and success follows the binary lift criterion produced by each method's execution runner. GraspGen achieves the highest overall success rate (73.1%), followed by EconomicGrasp (63.5%), while robot- and object-conditioned analyses reveal substantial variation across embodiments and object geometries. GPG produces the largest native candidate sets but achieves 44.3% success, indicating that proposal volume alone does not guarantee robot-executable grasps. Cluster-aware paired intervals support the principal method differences while not estimating repeated-execution uncertainty. The results characterize complete configured pipelines on fixed scenarios rather than intrinsic model quality or stochastic repeatability, showing that grasping performance depends jointly on the generator, robot embodiment, scene, and execution protocol.
- Abstract（参考訳）: 現代の6-DoFグリップジェネレータは、グリップスコア、データセットレベルのメトリクス、あるいはシングルロボットのデモを使用して評価されることが多いが、提案品質だけでは、特定のロボットによってグリップが実行可能かどうかを判断できない。
ロボット固有の逆運動学フィルタリング, 運動計画, 固定的アプローチクローズリフト実行の後に, 完全なグリップ生成パイプラインを評価するための制御された MuJoCo プロトコルである GraspBench を提案する。
GraspBench氏は,4つのロボットエボディメント,5つの診断対象,構造化テーブルトップポーズグリッドにまたがる6つの構成されたパイプラインを評価した。
欠落した出力は失敗として保守的にカウントされ、成功は各メソッドの実行ランナによって生成されるバイナリリフト基準に従っている。
GraspGenは最高成功率(73.1%)を達成し、続いてEconomicGrasp(63.5%)を達成した。
GPGは最大のネイティブ候補セットを生成するが、44.3%の成功であり、提案量だけではロボットが実行可能な把握を保証していないことを示している。
クラスタ対応のペアリング間隔は、繰り返し実行の不確実性を見積もることなく、主要なメソッドの違いをサポートする。
この結果から,本質的なモデル品質や確率的再現性よりも,固定シナリオ上での完全な構成パイプラインを特徴付けるとともに,把握性能が生成器,ロボットの実施形態,シーン,実行プロトコルに依存していることが示唆された。
関連論文リスト
- Compounding Physical RSI: Turning Execution Failure into Inherited Capability [52.869820305496425]
複雑な物理RSIは、実行障害を遺伝能力に変える。
CSU-AI-07は3シードの平均スコア26.15、成功率20.70%でトップボードにランクインした。
論文 参考訳（メタデータ） (2026-11-04T15:31:04Z) - RynnVLA-Latent: Scaling Robotic Manipulation Foundation Models with 3D-Grounded Latent Actions [38.09102112181815]
RynnVLA-Latentは、異種インタラクションビデオから、ロボットポリシー事前学習のためのスケーラブルな監視を行うフレームワークである。
RynnLAMは、ネイティブロボットコントロールを必要とせずに、視覚遷移から連続して3Dグラウンドで潜入動作を学ぶ。
論文 参考訳（メタデータ） (2026-10-25T15:05:32Z) - VeriVLA: Adaptive Test-Time Verification for Flow-Based VLAs with Latent World Models [50.77784979595945]
トレーニング不要な2軸トリガを導入し,時間内変動とサンプル間のばらつきを測定した。
一度起動すると、JEPAベースの潜在世界モデルは、アクション条件付き将来の潜在状態を予測することによって、候補アクションチャンクをランク付けする。
提案手法は, 平均完了スコアを50.8%から65.5%に引き上げると同時に, トリガ決定毎のサンプリングと検証に326msを加算する。
論文 参考訳（メタデータ） (2026-10-15T14:34:44Z) - Graph-Reweighted Behavior Cloning with Human Interventions for Precise Robotic Manipulation [51.011712435458925]
ロングホライゾンの精密な操作は、学習後の視覚-言語-アクションモデルのための混合品質データを生成する。
主要な課題は、不完全な軌道を均一にクローンしたり破棄したりするのではなく、どのアクションチャンクが実際にタスクを前進させるかを特定することである。
本稿では,タスク条件付き目標到達性グラフを構築するオフライン反復学習フレームワークGR-BCを提案する。
論文 参考訳（メタデータ） (2026-10-14T17:09:36Z) - 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) - CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。
本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
論文 参考訳（メタデータ） (2026-09-21T05:14:34Z) - GuideFetch: A Task Coordination Framework for Concurrent Navigation and Object Retrieval in Assistive Robot Dogs [38.9772084779486]
textscGuideFetchは異種ロボットによる同時ガイド・アンド・フェッチミッションをコーディネートするためのフレームワークである。
我々は、スクリプトとオンラインの計画立案条件下で、90以上のシーンシードの組み合わせを実行している360シミュレータを記録している。
スケジュール、シーケンシャル、並列実行毎の90のシーンセットケースは、72/90ドル、71/90ドルの運用成功を達成する。
論文 参考訳（メタデータ） (2026-08-18T20:16:57Z) - High-Level Multi-Robot Trajectory Planning And Spurious Behavior Detection [41.75258434978792]
本稿では,LTL(Linear Temporal Logic)公式として指定された計画の急激な実行を特定することの課題について述べる。
我々はNets-within-Nets(NWN)パラダイムに基づく構造化データ生成フレームワークを提案する。
本稿では,トランスフォーマーを用いた異常検出パイプラインを提案する。
論文 参考訳（メタデータ） (2025-10-20T07:47:51Z) - GraspGen: A Diffusion-based Framework for 6-DOF Grasping with On-Generator Training [53.25060512131128]
我々は,オブジェクト中心のグリップ生成過程を反復拡散過程としてモデル化する上で,近年の成功を生かしている。
提案するフレームワークであるGraspGenは、グリップ生成を向上するDiffusion Transformerアーキテクチャで構成され、効率的な識別器と組み合わせて、サンプリングしたグリップのスコアとフィルタを行う。
GraspGenをオブジェクトとグリップの両方に拡張するために、53万以上のグリップからなるシミュレーションデータセットを新たにリリースしました。
論文 参考訳（メタデータ） (2025-07-17T13:09:28Z)
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。