日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2601.15541

CompliantVLA-adaptor：VLM誘導可変インピーダンスによる安全な接触リッチマニピュレーション

CompliantVLA-adaptor: VLM-Guided Variable Impedance Action for Safe Contact-Rich Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

VLAモデルにVLMが解釈したタスク文脈で可変インピーダンス制御を適応させ、力覚フィードバックで安全性を確保することで、接触を伴うマニピュレーションの成功率と安全性を向上させた。

詳しい要約

1. どんなもの？

- 接触の多いロボットマニピュレーションを安全かつ効果的に行うため、VLAモデルにVLMが解釈した文脈に応じた可変インピーダンス制御（VIC）を組み込むCompliantVLA-adaptorを提案。 - VLMが画像と言語からタスク文脈を解釈し、VIC制御器のstiffnessとdampingパラメータを適応させる。 - さらにリアルタイムのforce/torqueフィードバックでパラメータを調整し、相互作用力を安全なしきい値内に保つ。 - シミュレーションと実世界の複雑な接触リッチタスクでVLAベースラインを上回る成功率と力違反の削減を実証。 - 物理接触リッチマニピュレーションの安全な基盤モデルへの道を示す。コード、プロンプト、force-torque-impedance-scenario contextデータセットを公開。

2. 先行研究と比べてどこがすごい？

- 既存のVLAシステム（RDT、Pi0.5、OpenVLA-oftなど）は通常positionを出力するが、force-awareな適応を欠く。 - そのため接触・コンプライアンス・不確実性を伴う物理タスクで不安全または失敗する相互作用を引き起こす。 - 提案手法はVLM-informedなcontext-aware VICを付加し、安全性と有効性を改善。 - 複雑な接触リッチタスクでVLAベースラインを上回る成功率と力違反削減を示す。

3. 技術・手法の肝は？

- VLMが画像と自然言語からタスク文脈を解釈し、VIC制御器のstiffnessとdampingパラメータを適応させる。 - これらのパラメータをリアルタイムのforce/torqueフィードバックでさらに調整し、相互作用力を安全なしきい値内に保つ。 - これによりVLAモデルにforce-awareな適応能力を付与する。

4. どうやって有効だと検証した？

- シミュレーションと実世界の両方で、複雑な接触リッチタスクのスイートを用いて評価。 - VLAベースラインと比較し、成功率の向上と力違反の削減を実証。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- RDT - Pi0.5 - OpenVLA-oft

※ 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: Heng Zhang, Wei-Hsing Huang, Qiyi Tong, Gokhan Solak, Puze Liu, Kaidi Zhang, Sheng Liu, Jan Peters, Yu She, Arash Ajoudani

分類: cs.RO

原文アブストラクト

We propose a CompliantVLA-adaptor that augments the state-of-the-art Vision-Language-Action (VLA) models with vision-language model (VLM)-informed context-aware variable impedance control (VIC) to improve the safety and effectiveness of contact-rich robotic manipulation tasks. Existing VLA systems (e.g., RDT, Pi0.5, OpenVLA-oft) typically output position, but lack force-aware adaptation, leading to unsafe or failed interactions in physical tasks involving contact, compliance, or uncertainty. In the proposed CompliantVLA-adaptor, a VLM interprets task context from images and natural language to adapt the stiffness and damping parameters of a VIC controller. These parameters are further regulated using real-time force/torque feedback to ensure interaction forces remain within safe thresholds. We demonstrate that our method outperforms the VLA baselines on a suite of complex contact-rich tasks, both in simulation and the real world, with improved success rates and reduced force violations. This work presents a promising path towards a safe foundation model for physical contact-rich manipulation. We release our code, prompts, and force-torque-impedance-scenario context datasets at https://sites.google.com/view/compliantvla.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXO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
  3. 3newmo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
  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

FRONTIER（GPU搭載BTOパソコン）

FRONTIER（GPU搭載BTOパソコン）の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →