WasserMan: 水中マニピュレーション方策学習のためのベンチマーク
WasserMan: Benchmark for Underwater Manipulation Policy Learning
浮遊ベースの水中接触マニピュレーションを視覚運動学習で扱う初のマルチタスクシミュレーションベンチマークを提案し、ACT・拡散方策・模倣学習などを比較評価した。
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？
※ 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: Danil Belov, Artem Erkhov, Sergei Parsegov, Pavel Osinenko
分類: cs.RO
原文アブストラクト
Underwater manipulation couples visual decisions, contact forces and a thruster-controlled floating base. We introduce WasserMan, to our knowledge the first multi-task simulation benchmark for visuomotor learning of floating-base underwater contact manipulation. It provides ten expert-solvable tasks, two vehicle-arm platforms, a bimanual configuration and underwater dynamics. Nine tasks have learned-policy evaluations. We compare ACT, diffusion policies (DP) and behavioral cloning on six tasks, with three training runs and equal sampled-window budgets. Pretrained SmolVLA adds evaluations on three tasks. In the tested settings, removing integral action can prevent completion, while changing action interfaces can reduce learned-policy success despite successful expert replay. Currents produce task-dependent changes in completion and actuation effort. Versioned tasks, demonstrations and per-episode evidence support a protocol separating expert feasibility, learned completion and execution effort.
関連論文
- ULOHA: 水中両腕ロボット学習プラットフォーム水中マニピュレーション
- 水中ビークル・マニピュレータシステムの安全な衝突対処のための切替型非線形モデル予測制御戦略水中マニピュレーション
- 水中マニピュレーションのためのヒューリスティック運動記憶を用いた文脈認識行動学習水中マニピュレーション
- 水中マニピュレーションと海底介入タスクのためのVR拡張ロボットシミュレータ水中マニピュレーション
- プロジェクトURSULA：水中マニピュレーションのためのロボットイカの設計水中マニピュレーション
- 魚の口に着想を得た折り紙グリッパによる水中での多様な把持水中マニピュレーション