日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2510.02526

U-LAG: 不確実性を考慮した遅延適応型目標再設定によるロボットマニピュレーション

U-LAG: Uncertainty-Aware, Lag-Adaptive Goal Retargeting for Robotic Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

知覚遅延やノイズがある環境で、物体の位置変化に応じて実行中に目標を再設定するモジュールU-LAGを提案し、ピック・プッシュ・積み重ね・ペグ挿入タスクで有効性を示した。

詳しい要約

1. どんなもの?

- 変化する環境下で遅延・ノイズ・陳腐化した知覚に基づき操作するロボット向けの、実行途中での goal-retargeting 層「U-LAG」を提案 - 低レベル controller は変更せず、知覚と制御の間に pluggable なモジュールとして挿入し、新しい観測が来るたびに task goal(pre-contact, contact, post)を再照準する - 主な技術貢献は UAR-PF と呼ばれる uncertainty-aware retargeter - 再現可能な Shift x Lag stress test を PyBullet/PandaGym 上で構築し、pick, push, stacking, peg insertion で評価

2. 先行研究と比べてどこがすごい?

- motion retargeting や generic visual servoing とは異なり、in-flight の goal re-aiming を first-class かつ pluggable なモジュールとして扱う点が新しい - 知覚 lag 下での object pose の分布を維持し、expected progress を最大化する goal を選ぶ点が既存手法と異なる - 0-10 cm の shift と 0-400 ms の lag の範囲で、no-retarget baseline に対し UAR-PF と ICP が graceful に性能劣化し、成功率向上・end-effector travel の抑制・abort 減少を達成 - 再現可能な Shift x Lag benchmark を提供している点も貢献

3. 技術・手法の肝は?

- U-LAG は低レベル controller を変えずに、知覚と制御の間で goal を再照準する pluggable interface を提供 - UAR-PF は sensing lag 下で object pose 上の分布を維持する uncertainty-aware retargeter - その分布に基づき expected progress を最大化する goal を選択する - 対象は pre-contact, contact, post の各タスク goal - 単純な operational safeguards を併用することで安定性をさらに改善

4. どうやって有効だと検証した?

- PyBullet/PandaGym 上で再現可能な Shift x Lag stress test を構築 - pick, push, stacking, peg insertion の4タスクで評価 - 物体が in-plane に abrupt に shift する状況と、approach 中に synthetic perception lag を注入する状況を設定 - 0-10 cm の shift と 0-400 ms の lag の範囲で、UAR-PF と ICP が no-retarget baseline より高い成功率、適度な end-effector travel、より少ない abort を示した - 単純な operational safeguards が安定性を改善することも確認

5. 議論はある?

- 要旨からは不明 - ただし、UAR-PF と ICP が no-retarget baseline に対し graceful に劣化すると述べており、lag や shift の増大に対する限界や、operational safeguards の効果について議論がある可能性は示唆される - 具体的な議論の内容は要旨からは不明

6. 次に読むべき論文は?

- 要旨で比較対象として明示されている ICP(Iterative Closest Point) - motion retargeting - generic visual servoing - no-retarget baseline - 同分野の定番として visual servoing や object pose estimation 関連の研究

※ 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: Anamika J H, Anujith Muraleedharan

分類: cs.RO

原文アブストラクト

Robots manipulating in changing environments must act on percepts that are late, noisy, or stale. We present U-LAG, a mid-execution goal-retargeting layer that leaves the low-level controller unchanged while re-aiming task goals (pre-contact, contact, post) as new observations arrive. Unlike motion retargeting or generic visual servoing, U-LAG treats in-flight goal re-aiming as a first-class, pluggable module between perception and control. Our main technical contribution is UAR-PF, an uncertainty-aware retargeter that maintains a distribution over object pose under sensing lag and selects goals that maximize expected progress. We instantiate a reproducible Shift x Lag stress test in PyBullet/PandaGym for pick, push, stacking, and peg insertion, where the object undergoes abrupt in-plane shifts while synthetic perception lag is injected during approach. Across 0-10 cm shifts and 0-400 ms lags, UAR-PF and ICP degrade gracefully relative to a no-retarget baseline, achieving higher success with modest end-effector travel and fewer aborts; simple operational safeguards further improve stability. Contributions: (1) UAR-PF for lag-adaptive, uncertainty-aware goal retargeting; (2) a pluggable retargeting interface; and (3) a reproducible Shift x Lag benchmark with evaluation on pick, push, stacking, and peg insertion.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI