Robotik görüş-dil-eylem (VLA) modelleri, çeşitli bireysel manipülasyon becerilerini uygulayabilir, ancak yine de zamansal yapının, becerilerin ve hassasiyetin yekpare bir model içinde sıkı bir şekilde birleştiği uzun ufuklu loko-manipülasyon görevleriyle mücadele ederler. Zamansal ve hassas kontrolü iki klasik eğitim gerektirmeyen bileşene aktaran ve VLA'nın aşamaya özgü beceri dinamiklerine odaklanmasına olanak tanıyan bir çerçeve olan Fiziksel Olarak Topraklanmış Yürütme (PGX) öneriyoruz. PGX, uzun ufuk loko-manipülasyonunu üç katmana ayırır: (i) yüklem tabanlı bir durum makinesi, faz geçişlerini kapatmak, kurtarmayı tetiklemek ve navigasyonu ve beklemeyi koordine etmek için fiziksel yüklemleri kullanarak görev ilerlemesini yönetir.
- Robotik görüş-dil-eylem (VLA) modelleri, çeşitli bireysel manipülasyon becerilerini uygulayabilir, ancak yine de zamansal yapının, becerilerin ve hassasiyetin yekpare bir model içinde sıkı bir şekilde birleştiği uzun ufuklu loko-manipülasyon görevleriyle mücadele ederler.
- Zamansal ve hassas kontrolü iki klasik eğitim gerektirmeyen bileşene aktaran ve VLA'nın aşamaya özgü beceri dinamiklerine odaklanmasına olanak tanıyan bir çerçeve olan Fiziksel Olarak Topraklanmış Yürütme (PGX) öneriyoruz.
- PGX, uzun ufuk loko-manipülasyonunu üç katmana ayırır: (i) yüklem tabanlı bir durum makinesi, faz geçişlerini kapatmak, kurtarmayı tetiklemek ve navigasyonu ve beklemeyi koordine etmek için fiziksel yüklemleri kullanarak görev ilerlemesini yönetir.
Robotik görüş-dil-eylem (VLA) modelleri, çeşitli bireysel manipülasyon becerilerini uygulayabilir, ancak yine de zamansal yapının, becerilerin ve hassasiyetin yekpare bir model içinde sıkı bir şekilde birleştiği uzun ufuklu loko-manipülasyon görevleriyle mücadele ederler.
02 Özet
Robotik görüş-dil-eylem (VLA) modelleri, çeşitli bireysel manipülasyon becerilerini uygulayabilir, ancak yine de zamansal yapının, becerilerin ve hassasiyetin yekpare bir model içinde sıkı bir şekilde birleştiği uzun ufuklu loko-manipülasyon görevleriyle mücadele ederler. Zamansal ve hassas kontrolü iki klasik eğitim gerektirmeyen bileşene aktaran ve VLA'nın aşamaya özgü beceri dinamiklerine odaklanmasına olanak tanıyan bir çerçeve olan Fiziksel Olarak Topraklanmış Yürütme (PGX) öneriyoruz. PGX, uzun ufuk loko-manipülasyonunu üç katmana ayırır: (i) yüklem tabanlı bir durum makinesi, faz geçişlerini kapatmak, kurtarmayı tetiklemek ve navigasyonu ve beklemeyi koordine etmek için fiziksel yüklemleri kullanarak görev ilerlemesini yönetir. Paylaşılan yüklem anlambilimi, çevrimdışı gösterim bölümlendirmesini, çevrimiçi yürütmeyi ve aşama bazında değerlendirmeyi birbirine bağlar; (ii) VLA becerileri, görevle ilgili eylemlere odaklanan düz veya aşamalı eğitimli modellerle aktif manipülasyon aşamalarında çalışır; ve (iii) dünya koordinat kilitleme (WCL), baz istasyonu tutma, nesneye göre konumlandırma ve dünyaya sabitlenmiş temas hedefleri yoluyla uzamsal tutarlılığı korur. PGX'in etkinliğini, uzun ufukta lokomotif manipülasyon için Unitree G1 insansı robot kullanılarak üç simüle edilmiş görev ve bir gerçek dünya görevi üzerinde yürütülen kapsamlı deneylerle gösteriyoruz; aşama ilerlemesinde ve görev başarı oranlarında iyileşmeler gösteriyoruz. Proje sayfasına şu adresten ulaşılabilir: https://kl-research.github.io/pgx
Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.
Robotic vision-language-action (VLA) models can execute diverse individual manipulation skills, yet they still struggle with long-horizon loco-manipulation tasks, where temporal structure, skills, and precision are tightly coupled within a monolithic model. We propose Physically Grounded Execution (PGX), a framework that offloads temporal and precision control to two classical training-free components, allowing the VLA to focus on stage-specific skill dynamics. PGX decomposes long-horizon loco-manipulation into three layers: (i) a predicate-based state machine governs task progression, using physical predicates to gate phase transitions, trigger recovery, and coordinate navigation and waiting. Shared predicate semantics connect offline demonstration segmentation, online execution, and stage-wise evaluation; (ii) VLA skills operate within active manipulation phases, with flat or stage-trained models concentrating on task-relevant actions; and (iii) world-coordinate locking (WCL) maintains spatial consistency through base station keeping, object-relative positioning, and world-anchored contact targets. We demonstrate the effectiveness of PGX with extensive experiments conducted on three simulated tasks and one real-world task using a Unitree G1 humanoid robot for long-horizon loco-manipulation, showing improvements in stage progression and task success rates. Project page is available at: https://kl-research.github.io/pgx
03 PDF
Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.
04 Kaynak göster
@article{lu2026pgx,
title = {PGX: Physically Grounded Execution for Long-Horizon Humanoid Loco-Manipulation},
author = {Kai Lu and Chenyang Ma and Ioannis Havoutis},
journal = {arXiv preprint arXiv:2611.26596},
year = {2026},
url = {https://arxiv.org/abs/2611.26596}
}
Lu, K., Ma, C., & Havoutis, I. (2026). PGX: Uzun Ufuktaki İnsansı Loko-Manipülasyon için Fiziksel Olarak Topraklanmış Uygulama. arXiv. https://arxiv.org/abs/2611.26596
Yorumlar 0
Henüz yorum yok. İlk yorumu siz yazın.
Yorum yazın