論文の概要: Learning from Imperfect Demonstrations via Temporal Behavior Tree-Guided Trajectory Repair

• arxiv url: http://arxiv.org/abs/2604.04225v1
• Date: Sun, 05 Apr 2026 18:49:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.991597
• Title: Learning from Imperfect Demonstrations via Temporal Behavior Tree-Guided Trajectory Repair
• Title（参考訳）: 時間的行動木誘導軌道修復による不完全記述からの学習
• Abstract要約: デモからロボット制御ポリシーを学ぶことは強力なパラダイムだが、現実のデータはしばしば最適でない、うるさい、あるいは不完全である。 本稿では,下流政策学習に使用される前に,時間的行動木(TBT)を用いて最適下方軌道を修復する形式的枠組みを提案する。 本稿では,このフレームワークが分散グリッドワールドナビゲーションおよび連続的単一・複数エージェントリーチ回避タスクに有効であることを示す。
• 参考スコア（独自算出の注目度）: 5.4872967954342675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning robot control policies from demonstrations is a powerful paradigm, yet real-world data is often suboptimal, noisy, or otherwise imperfect, posing significant challenges for imitation and reinforcement learning. In this work, we present a formal framework that leverages Temporal Behavior Trees (TBT), an extension of Signal Temporal Logic (STL) with Behavior Tree semantics, to repair suboptimal trajectories prior to their use in downstream policy learning. Given demonstrations that violate a TBT specification, a model-based repair algorithm corrects trajectory segments to satisfy the formal constraints, yielding a dataset that is both logically consistent and interpretable. The repaired trajectories are then used to extract potential functions that shape the reward signal for reinforcement learning, guiding the agent toward task-consistent regions of the state space without requiring knowledge of the agent's kinematic model. We demonstrate the effectiveness of this framework on discrete grid-world navigation and continuous single and multi-agent reach-avoid tasks, highlighting its potential for data-efficient robot learning in settings where high-quality demonstrations cannot be assumed.
• Abstract（参考訳）: デモからロボット制御ポリシーを学ぶことは強力なパラダイムだが、現実のデータはしばしば最適でない、うるさい、あるいは不完全であり、模倣と強化学習の重要な課題を提起する。 本研究では,信号時相論理(STL)と振舞い木意味論の拡張であるTBT(Temporal Behavior Trees)を利用して,下流政策学習に使用する前に最適な軌道を修復する形式的枠組みを提案する。 TBT仕様に違反したデモンストレーションを前提に、モデルベースの修復アルゴリズムが軌道セグメントを補正し、論理的に一貫性があり解釈可能なデータセットを生成する。 修復された軌道は、強化学習のための報酬信号を形成するポテンシャル関数を抽出し、エージェントの運動モデルに関する知識を必要とせず、エージェントを状態空間のタスク一貫性のある領域へ誘導する。 本研究では,高品質な実演を想定できない環境でのデータ効率の高いロボット学習の可能性を強調し,分散グリッドワールドナビゲーションと連続的な単一・マルチエージェントリーチ回避タスクにおけるこのフレームワークの有効性を実証する。

関連論文リスト

• Transferable Delay-Aware Reinforcement Learning via Implicit Causal Graph Modeling [11.943568201005931]
  クロスタスクのシナリオでは、タスクの目的や報酬の定式化の変更により、以前に獲得したタスク知識の再利用性が低下する。 本稿では,暗黙の因果グラフモデリングに基づく転送可能な遅延認識強化学習手法を提案する。
  論文  参考訳（メタデータ） (2026-05-12T15:58:58Z)
• Build on Priors: Vision--Language--Guided Neuro-Symbolic Imitation Learning for Data-Efficient Real-World Robot Manipulation [4.118262876469644]
  本稿では,象徴的計画領域とデータ効率制御ポリシを自律的に構築する,スケーラブルなニューロシンボリック・フレームワークを提案する。 本手法は,実演をスキルに分割し,視覚言語モデル(VLM)を用いてスキルを分類する。 既知のコントローラは、シーン内の他のオブジェクトに1つのデモを投影することで、実世界のデータ拡張に活用することができる。
  論文  参考訳（メタデータ） (2026-04-04T15:17:59Z)
• Self-adapting Robotic Agents through Online Continual Reinforcement Learning with World Model Feedback [2.165723322157105]
  この作業は、デプロイ中の自動適応を可能にするオンライン連続強化学習のためのフレームワークを提供する。 提案手法は,世界モデル予測残差を利用して分布外事象を検出し,自動的に微調整をトリガーする。 このアプローチは、高忠実度シミュレーションにおける四足歩行ロボットを含む、様々な現代の連続制御問題に対して検証される。
  論文  参考訳（メタデータ） (2026-03-04T13:07:42Z)
• Going with the Flow: Koopman Behavioral Models as Implicit Planners for Visuo-Motor Dexterity [1.6865201067073452]
  本稿では,一様挙動モデル (UBMs) を紹介する。 Koopman-UBM は UBM の最初のインスタンス化であり、潜在視覚的特徴と固有受容的特徴の結合フローが構造化線形システムによって制御される統一表現を学習する。
  論文  参考訳（メタデータ） (2026-02-07T07:18:00Z)
• From Physics to Machine Learning and Back: Part II - Learning and Observational Bias in PHM [52.64097278841485]
  物理インフォームドモデリングとデータストラテジーによる学習と観察バイアスの導入は、モデルを物理的に一貫した信頼性のある予測へと導くことができるかを検討する。 メタラーニングや少数ショットラーニングなどの高速適応手法をドメイン一般化手法とともに検討する。
  論文  参考訳（メタデータ） (2025-09-25T14:15:43Z)
• Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
  ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。 Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
  論文  参考訳（メタデータ） (2025-09-11T17:59:07Z)
• Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
  我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。 提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。 本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-26T11:53:59Z)
• SkillMimic-V2: Learning Robust and Generalizable Interaction Skills from Sparse and Noisy Demonstrations [68.9300049150948]
  インタラクション実証(Reinforcement Demonstration, RLID)からの強化学習における根本的な課題に対処する。 既存のデータ収集アプローチはスパース、非接続、ノイズのトラジェクトリを生成し、スキルのバリエーションとトランジションの完全なスペクトルをキャプチャできない。 本稿では,実証技術間の潜在的な遷移を検出するStitched Trajectory Graph (STG) と,実証地区内の任意の状態に対するユニークな接続を確立するState Transition Field (STF) という2つのデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2025-05-04T13:00:29Z)
• Latent Diffusion Planning for Imitation Learning [78.56207566743154]
  Latent Diffusion Planning (LDP) は、プランナーと逆ダイナミクスモデルからなるモジュラーアプローチである。 行動予測からプランニングを分離することにより、LDPは最適なデータと行動自由データのより密集した監視信号の恩恵を受けることができる。 シミュレーションされた視覚ロボット操作タスクにおいて、LDPは最先端の模倣学習アプローチより優れている。
  論文  参考訳（メタデータ） (2025-04-23T17:53:34Z)
• Unsupervised Representation Learning of Complex Time Series for Maneuverability State Identification in Smart Mobility [0.0]
  スマートモビリティでは、操縦パターンのような行動の時間的ダイナミクスを提供する上で、MSSは重要な役割を果たす。 本研究では,センサを用いた車両から収集したMSSデータのモデル化に関わる課題に対処することを目的とする。 我々の目標は、スマートモビリティにおける操作状態の特定における2つの異なる教師なし表現学習手法の有効性を検討することである。
  論文  参考訳（メタデータ） (2024-08-26T15:16:18Z)
• Dream to Explore: Adaptive Simulations for Autonomous Systems [3.0664963196464448]
  ベイズ的非パラメトリック法を適用し,力学系制御の学習に挑戦する。 ガウス過程を用いて潜在世界力学を探索することにより、強化学習で観測される一般的なデータ効率の問題を緩和する。 本アルゴリズムは,ログの変動的下界を最適化することにより,世界モデルと政策を共同で学習する。
  論文  参考訳（メタデータ） (2021-10-27T04:27:28Z)
• Hierarchical Few-Shot Imitation with Skill Transition Models [66.81252581083199]
  FIST(Few-shot Imitation with Skill Transition Models)は、オフラインデータからスキルを抽出し、それらを利用して見えないタスクに一般化するアルゴリズムである。 本稿では,FISTが新たなタスクに一般化し,ナビゲーション実験において従来のベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-07-19T15:56:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。