論文の概要: Low-Cost Mobile Bimanual Manipulation for Long-Horizon Toilet Cleaning
- arxiv url: http://arxiv.org/abs/2611.15381v1
- Date: Wed, 11 Nov 2026 11:59:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.118398
- Title: Low-Cost Mobile Bimanual Manipulation for Long-Horizon Toilet Cleaning
- Title(参考訳): 長距離トイレクリーニングにおける低コスト移動バイマニピュレーション
- Abstract要約: Vision-Language-Action(VLA)モデルはロボット操作に有望な能力を示しているが、アクセス可能なモバイルバイマニュアルプラットフォーム上でのパフォーマンスはいまだに未調査である。
本稿では,2つのLeRobot SO-101マニピュレータをTurtleBot 4とLeRobot-ROS 2ソフトウェアスタックに統合した,低コストで再現可能なモバイルバイマニュアルプラットフォームを提案する。
- 参考スコア(独自算出の注目度): 6.86684609893279
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-Language-Action (VLA) models have shown promising capabilities for robot manipulation, but their performance on accessible mobile bimanual platforms remains underexplored. We present a low-cost and reproducible mobile bimanual platform integrating two LeRobot SO-101 manipulators with a TurtleBot 4 and a LeRobot-ROS 2 software stack. Using long-horizon toilet cleaning as a case study, we collect 250 real-world demonstrations and evaluate $π_0$, $π_{0.5}$, SmolVLA, and GR00T under the same embodiment and task conditions. We further evaluate variants using SARM-derived task-progress signals and short-term MEM observation history. Among the evaluated models, $π_0$ performs best, achieving 60% strict and 70% relaxed autonomous success, increasing to 90% with limited human intervention. In contrast, the evaluated progress- and memory-augmented variants do not improve their corresponding baselines. Our results demonstrate the feasibility of long-horizon mobile bimanual manipulation on accessible hardware while highlighting remaining challenges in reliable VLA deployment. Project website: https://so101-turtlebot4.github.io/mobile-bimanual-cleaning/
- Abstract(参考訳): Vision-Language-Action(VLA)モデルはロボット操作に有望な能力を示しているが、アクセス可能なモバイルバイマニュアルプラットフォーム上でのパフォーマンスはいまだに未調査である。
本稿では,2つのLeRobot SO-101マニピュレータをTurtleBot 4とLeRobot-ROS 2ソフトウェアスタックに統合した,低コストで再現可能なモバイルバイマニュアルプラットフォームを提案する。
長距離トイレクリーニングを事例として,250個の実世界の実演を収集し,同じ実施条件とタスク条件下で,$π_0$,$π_{0.5}$,SmolVLA,GR00Tを評価した。
さらに、SARM由来のタスクプログレス信号と短期MEM観測履歴を用いて、変種を評価する。
評価されたモデルの中で、$π_0$は最高のパフォーマンスを示し、60%の厳格さと70%の緩やかな自律的な成功を達成し、人間の介入を制限して90%まで上昇した。
対照的に、評価されたプログレッシブおよびメモリ拡張型は、対応するベースラインを改善しない。
本研究は,VLAの信頼性向上に向けた課題を浮き彫りにしながら,アクセス可能なハードウェア上での長距離モバイルバイマニュアル操作の実現可能性を示すものである。
プロジェクトウェブサイト:https://so101-turtlebot4.github.io/mobile-bimanual-cleaning/
関連論文リスト
- Cracking Mobile Manipulation: From Failure Diagnosis to Agentic Robot System [55.866176656289134]
本研究では,実証に基づく計画指導,適応型視覚記憶,アクセシビリティ・アウェアベース調整,ローカル・エフェクタ調整などにより,固定サブタスクVLAを増強する,障害誘導型エージェント介入を開発する。
以上の結果から,モバイル操作の信頼性は,基盤方針を均一にスケールするのではなく,現在のボトルネックを診断・介入することで向上する可能性が示唆された。
論文 参考訳(メタデータ) (2026-10-14T05:18:16Z) - From Foundation to Application: Improving VLA Models in Practice [62.1552185059214]
3つの機能ドメインの改善を通じてLingBot-VLAを進化させるLingBot-VLA 2.0を提案する。
以前のバージョンと比較して、データ処理パイプラインを改訂し、事前トレーニングのために約6万時間のデータをキュレートします。
特に,本システムでは,頭部,腰,移動台,器用な手の自由度を考慮し,ロボットがより複雑なタスクを現実的なシナリオでこなせるようにしている。
論文 参考訳(メタデータ) (2026-07-07T15:33:12Z) - ReactVLA: Fast and Lightweight Reactive Robot Manipulation via Improved Mean Flow Action Generation [6.976481623762446]
textttReactVLAは、リアルタイムロボット操作のための軽量で低レイテンシなVLAフレームワークである。
textttReactVLAは、同じサイズのVLAベースラインを一貫して上回る。
現実世界のポリシーのレイテンシを38.6ミリ秒以下に短縮し、物理ロボットプラットフォームでの高速な反応性制御を可能にする。
論文 参考訳(メタデータ) (2026-06-12T08:33:37Z) - SARM2: Multi-Task Stage Aware Reward Modeling for Self Improving Robotic Manipulation [57.131411215593744]
ロングホライゾン操作のための微調整視覚言語アクション(VLA)ポリシーは、依然として行動クローニングに大きく依存している。
本稿では,MMOE(Multi-gate Mixture-of-Experts)値ヘッドとアクションプリミティブベースのステージ推定器を組み合わせたマルチタスクステージ認識報酬モデルRMを紹介する。
RM 上に構築した SPIRAL は,安価で自律的なロールアウトから VLA ポリシーを改善する,政治上の報酬誘導型フレームワークである。
論文 参考訳(メタデータ) (2026-06-09T01:46:23Z) - MolmoB0T: Large-Scale Simulation Enables Zero-Shot Manipulation [56.976138997544005]
実世界へのゼロショット転送は可能であるが,静的操作と移動操作の両方に有効であることを示す。
MolmoBot-Dataは180万のエキスパートトラジェクトリのデータセットで、オブジェクトの操作やピック・アンド・プレイスタスクのためのものです。
本研究は,手続き型環境生成と多種多様な調音資産が組み合わさって,ロバストな操作ポリシーを創出できることを実証する。
論文 参考訳(メタデータ) (2026-03-17T17:59:03Z) - RoboReward: General-Purpose Vision-Language Reward Models for Robotics [124.34685604054312]
視覚言語モデル(VLM)は、自動報酬モデルとして期待されているが、実際のロボットタスクにおけるそれらの効果は理解されていない。
大規模な実ロボットコーパス上に構築されたロボティクス報酬データセットとベンチマークであるRoboRewardを導入することで、このギャップを埋めることを目指している。
論文 参考訳(メタデータ) (2026-01-02T12:47:34Z) - EveryDayVLA: A Vision-Language-Action Model for Affordable Robotic Manipulation [0.004647081373990732]
私たちは、300ドル以下で組み立てられる6-DOFマニピュレータであるEverydayVLAを紹介します。
単一統一モデルは、離散的かつ連続的な動作を共同で出力する。
LIBEROでは、EverydayVLAは最先端の成功率と一致している。
論文 参考訳(メタデータ) (2025-11-07T16:24:45Z)
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。