マニピュレーション2025/9/1arXiv:2509.24129

マッシュ、スプレッド、スライス！視覚的空間進捗による物体状態操作の学習

Mash, Spread, Slice! Learning to Manipulate Object States via Visual Spatial Progress

物体の位置を変えずに物理的・視覚的状態が進行する操作（マッシュ、スプレッド、スライスなど）を統一フレームワークSPARTAで学習し、実機で高精度・高速訓練を実現した。

詳しい要約

1. どんなもの？

- 物体の位置を変えずに物理的・視覚的状態が徐々に変化する操作（mashing, spreading, slicing など）に着目した研究 - これらを『object state change manipulation』というタスク群として統一的に扱う初のフレームワーク SPARTA を提案 - 実ロボットで3タスク・10種類の実物体を対象に検証 - プロジェクトページ: https://vision.cs.utexas.edu/projects/sparta-robot

2. 先行研究と比べてどこがすごい？

- 従来の操作研究は picking, placing, opening, rotating など運動学的状態変化が中心 - mashing, spreading, slicing のような漸進的な状態変化を統一的に扱う枠組みは初と主張 - sparse rewards や visual goal-conditioned baselines と比較し、学習時間と精度で大幅改善 - demonstrations や simulation なしでも fine-grained control を可能にする点が特徴

3. 技術・手法の肝は？

- これらのタスクが『actionable から transformed へ遷移する領域』という共通構造を持つという洞察 - spatially progressing object change segmentation maps を統合 - これを基に a) 見た目のばらつきを除いた構造化 policy 観測を生成 - b) 時間経過の漸進的進捗を捉える dense rewards を生成 - SPARTA の2変種: demonstrations/simulation 不要の RL による fine-grained control と、高速・軽量な greedy control

4. どうやって有効だと検証した？

- 実ロボット上で3つの難タスク、10種類の多様な実物体で検証 - sparse rewards および visual goal-conditioned baselines と比較 - 学習時間と精度の両面で有意な改善を報告 - 詳細な評価指標や被験者数などは要旨からは不明

5. 議論はある？

- progress-aware な視覚表現が object state manipulation タスク群の汎用的基盤になり得ると主張 - 限界・失敗事例・一般化の範囲についての具体的議論は要旨からは不明 - 実物体10種・3タスクという評価範囲の広さに関する議論は要旨からは不明

6. 次に読むべき論文は？

- 要旨で比較対象として挙げられている sparse rewards ベースの手法 - visual goal-conditioned baselines（visual goal-conditioned policy 関連研究） - 関連手法として reinforcement learning による manipulation 研究、segmentation を用いた視覚表現研究 - 同分野の定番として imitation learning / demonstrations ベースの manipulation 研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Priyanka Mandikal, Jiaheng Hu, Shivin Dass, Sagnik Majumder, Roberto Martín-Martín, Kristen Grauman

分類: cs.RO, cs.CV

原文アブストラクト

Most robot manipulation focuses on changing the kinematic state of objects: picking, placing, opening, or rotating them. However, a wide range of real-world manipulation tasks involve a different class of object state change--such as mashing, spreading, or slicing--where the object's physical and visual state evolve progressively without necessarily changing its position. We present SPARTA, the first unified framework for the family of object state change manipulation tasks. Our key insight is that these tasks share a common structural pattern: they involve spatially-progressing, object-centric changes that can be represented as regions transitioning from an actionable to a transformed state. Building on this insight, SPARTA integrates spatially progressing object change segmentation maps, a visual skill to perceive actionable vs. transformed regions for specific object state change tasks, to generate a) structured policy observations that strip away appearance variability, and b) dense rewards that capture incremental progress over time. These are leveraged in two SPARTA policy variants: reinforcement learning for fine-grained control without demonstrations or simulation; and greedy control for fast, lightweight deployment. We validate SPARTA on a real robot for three challenging tasks across 10 diverse real-world objects, achieving significant improvements in training time and accuracy over sparse rewards and visual goal-conditioned baselines. Our results highlight progress-aware visual representations as a versatile foundation for the broader family of object state manipulation tasks. Project website: https://vision.cs.utexas.edu/projects/sparta-robot

arXivで原文を読む →arXiv概要ページ

マッシュ、スプレッド、スライス！視覚的空間進捗による物体状態操作の学習

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

OZ GAMING（GPU搭載BTOゲーミングPC）

双腕モバイルマニピュレーター OpenShell