論文の概要: Library of Hands: Fix the Hands, Not the World Model
- arxiv url: http://arxiv.org/abs/2611.12678v1
- Date: Mon, 09 Nov 2026 16:45:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 09:45:38.414147
- Title: Library of Hands: Fix the Hands, Not the World Model
- Title(参考訳): 手のライブラリー:世界モデルではなく、手を固定する
- Abstract要約: ワールドモデルはアクションの後にシーンがどのように変化するかを予測し、プランナーはそれを使ってゴールに達するアクションを探索する。
現在の修正では、モデルを再トレーニングしたり、トレーニングデータが必要になったり、返却時にセットアップを忘れたりする。
本研究は,世界モデルを凍結保存し,地図のみをコマンドから適用行動へ修正する学習自由度手法であるライブラリ・オブ・ハンドス(LoH)を提案する。
- 参考スコア(独自算出の注目度): 13.133566734587205
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A world model predicts how a scene changes after an action, and a planner uses it to search for actions that reach a goal. If the camera moves or the controller changes, the same command moves the robot differently: when its commands are turned by 90 degrees, a frozen planner with the LeWM world model that succeeds in 77.5% of episodes succeeds in only 7.8%. Current fixes retrain the model, need training data, or forget a set-up when it returns. We propose Library of Hands (LoH), a training-free method that keeps the world model frozen and corrects only the map from commands to applied actions, which we call the hand. LoH reads the hand through the frozen model, with no extra sensor: it finds the action that best explains the change between two camera images (a reading). It stores every hand it identifies, so a returning set-up is recognised rather than re-learnt. In closed-loop tests, LoH more than doubles success on three simulated tasks, from 28.6% to 62.3%, and loses only 0.6 percentage points when nothing changes. It also works, unchanged, with two other world models and on two of three models pretrained on real robot data, and its gain grows with the quality of its readings.
- Abstract(参考訳): ワールドモデルはアクションの後にシーンがどのように変化するかを予測し、プランナーはそれを使ってゴールに達するアクションを探索する。
カメラが動くかコントローラーが変わると、同じコマンドがロボットを異なる方向に動かす: コマンドが90度回転すると、77.5%のエピソードで成功するLeWMワールドモデルで凍結したプランナーがわずか7.8%で成功する。
現在の修正では、モデルを再トレーニングしたり、トレーニングデータが必要になったり、返却時にセットアップを忘れたりする。
このライブラリー・オブ・ハンドス(LoH)は、世界モデルを凍結し、コマンドから適用アクションへのマップのみを修正できる、トレーニング不要の手法である。
LoHは、凍結したモデルを通して手を読み取り、追加のセンサーを使わずに、2つのカメライメージ(読み取り)の違いを最もよく説明できるアクションを見つける。
識別したすべての手を保存するので、返却セットは再学習ではなく認識される。
クローズドループテストでは、LoHは28.6%から62.3%の3つのシミュレーションタスクで成功し、何も変わらないと0.6ポイントしか失わない。
また、他の2つの世界モデルや、実際のロボットデータで事前訓練された3つのモデルでも機能する。
関連論文リスト
- AIRoA-0: Long-Horizon, Precise, Cross-Embodiment Manipulation from Handheld Data [9.756142214793188]
AIRoA-0は16,151時間のハンドヘルドデモから学んだバイマニュアル操作システムである。
A-0は、トレーニングデータが記録されていない場所で、頭やシーンカメラのない、各手首のカメラのみを使用してタスクを実行する。
成功率の平均は78%で、同じタスクデモでポストトレーニングされた他の4つの視覚言語アクションモデルのうち、最強の27%である。
論文 参考訳(メタデータ) (2026-11-02T19:00:18Z) - Auriga Technical Report: A Task-Agnostic Agent Harness for Zero-Shot Embodied Manipulation [62.55752327741587]
RoboDojoでは、大きな計画と実行のギャップが、高レベルのタスク決定と物理的実行を分離します。
目標タスクやリセットを伴わないゼロショット操作において,このギャップの68.3%を埋めるタスク非依存のエージェントハーネスであるAurigaを紹介する。
論文 参考訳(メタデータ) (2026-10-31T16:59:05Z) - PatternDex: Learning Interaction Patterns to Guide Reinforcement Learning of Bimanual Dexterous Manipulation of Articulated Objects [8.433486256194826]
そこで本研究では,両義手による構音物体の操作を高い成功率で行う手法を開発した。
PatternDexは、人・物体のデモンストレーションから手の動きと物体の動きの相関を学習する手法である。
ARCTICデータセットを用いた実演実験において,両手手を用いたPatternDexの評価を行った。
論文 参考訳(メタデータ) (2026-10-03T21:04:21Z) - EyeRobot 2.0: Active Gaze for Precise Manipulation without Wrist Cameras [74.35470013990918]
EyeRobot 2.0は、現場の3D固定点に物理的に近づき、2つの視点で視線を照らす。
我々はEyeRobot 2.0と受動ステレオとego+手首カメラのポリシーを比較した。
論文 参考訳(メタデータ) (2026-10-02T17:57:51Z) - Part Grounding, Not Action Knowledge: Locating the Bottleneck in VLM Affordance Prediction [0.0]
3人の開発者を対象にした8つのモデルと、ロボットが適用すべき動きについて尋ねます。
オープンプロンプトの下で、プッシュは64評価で1度生成され、19のオブジェクトのうち8つが正しいにもかかわらず、提案されたラベルセットに毎回表示される。
目標部分を命名すると、各モデルのアクション精度が0.158-0.474から0.684-0.947に0.32から0.63に上昇し、0-1/8から7-8/8にリコールされる。
オープンプロンプトの下のイメージを無視する一定の答えを負うモデルは存在しない。
論文 参考訳(メタデータ) (2026-09-01T05:03:51Z) - Hydra-0: Action Flow for Generalist World Modeling and Control [64.88849745875753]
Hydra-0はアクションフローを条件とした世界モデルであり、ロボットの動きをピクセルの動きとして表現している。
我々の最良の構成は、90.4%のロボットモーションエラー、60.2%のオブジェクトモーションエラーを達成する。
訓練されたアクションヘッドは、タスク固有の専門家ロボットのデモンストレーションを必要とせずに、得られた潜在機能を実行可能なアクションにマッピングする。
論文 参考訳(メタデータ) (2026-08-18T17:59:30Z) - Twin: Playing an Unknown Game with a Test-Time Digital Twin [22.644194631480772]
本稿では、フロンティア符号化エージェントが連続学習タスクを完了するための実行可能世界モデルを記述するテスト時世界モデル推論(Twin)システムを提案する。
本システムは,シミュレーションとインタラクションのみから構築する。
ツインは183レベル中179レベル(97.8%)をクリアし、179レベル中158レベル(88.3%)は人間よりも効率的である。
論文 参考訳(メタデータ) (2026-08-14T17:06:00Z) - AnyDexGrasp: General Dexterous Grasping for Different Hands with Human-level Learning Efficiency [49.868970174484204]
我々は,最小限のデータを用いてきめ細やかな把握を学習するための効率的なアプローチを提案する。
提案手法は,40個の訓練対象に対して数百のグリップ試行を行うだけで,人間レベルの学習効率で高い性能を達成できる。
この方法は、ヒューマノイドロボット、人工装具、その他頑丈で汎用的なロボット操作を必要とする領域に対する有望な応用を実証する。
論文 参考訳(メタデータ) (2025-02-23T03:26:06Z) - The Change You Want to See (Now in 3D) [65.61789642291636]
本稿の目的は、同じ3Dシーンの2つの「野生」画像の間で何が変わったかを検出することである。
我々は,全合成データに基づいて学習し,クラスに依存しない変化検出モデルに貢献する。
我々は,人間に注釈を付けた実世界のイメージペアによる評価データセットを新たにリリースした。
論文 参考訳(メタデータ) (2023-08-21T01:59:45Z)
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。