論文の概要: ProcVLM: Learning Procedure-Grounded Progress Rewards for Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2605.08774v1
• Date: Sat, 09 May 2026 08:00:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.878204
• Title: ProcVLM: Learning Procedure-Grounded Progress Rewards for Robotic Manipulation
• Title（参考訳）: ProcVLM:ロボットマニピュレーションのためのプロシージャ・グラウンド・プログレッシブ・リワードの学習
• Abstract要約: ロングホライゾンのロボット操作は、タスクが手続き段階を通してどのように進行するかを反映した密集したフィードバックを必要とする。 本稿では,プログレッシブ・アウェア・ビジョン言語モデルであるProcVLMについて述べる。
• 参考スコア（独自算出の注目度）: 25.420455584290465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-horizon robotic manipulation requires dense feedback that reflects how a task advances through its procedural stages, not merely whether the final outcome is successful. Existing reward models often rely on trajectory-level success labels or time-based interpolation, which can conflate elapsed time with true task progress and therefore fail to capture unfinished steps, stagnation, and failure states. We present ProcVLM, a progress-aware vision-language model that learns procedure-grounded progress as a dense reward signal for manipulation. Rather than deriving progress from terminal outcomes or temporal proxies, ProcVLM grounds progress estimation in procedural structure and intra-stage visual change, and further adopts a reasoning-before-estimation paradigm that infers the remaining atomic actions before estimating task progress. Specifically, we construct this supervision by synthesizing frame-level subtask-semantic annotations, assigning progress budgets according to subtask structure, and distributing each budget based on intra-subtask visual change. To train ProcVLM at scale, we build a standardized procedural supervision synthesis pipeline and construct ProcCorpus-60M from 30 embodied datasets with 60M annotated frames, from which we derive ProcVQA for procedure-aware pretraining, with progress estimation as the central task alongside action segmentation and future planning. Experiments on ProcVQA and reward-model benchmarks show that ProcVLM improves embodied procedural reasoning and yields more discriminative trajectory-internal progress estimates than representative baselines, supporting its use as a dense reward model for downstream reward-guided policy optimization. Project page: https://procvlm.github.io/
• Abstract（参考訳）: 長い水平ロボット操作は、最終結果が成功するかどうかではなく、タスクが手続き段階をどう進むかを反映した密集したフィードバックを必要とする。 既存の報酬モデルは、しばしば軌道レベルの成功ラベルや時間ベースの補間に依存しており、これは経過した時間を真のタスクの進捗と説明し、したがって未完成のステップ、停滞、障害状態のキャプチャーに失敗する可能性がある。 本稿では,プログレッシブ・アウェア・ビジョン言語モデルであるProcVLMについて述べる。 ProcVLMは、最終結果や時間的プロキシから進捗を導き出すのではなく、手続き構造と段階内視覚変化の進捗推定を基礎とし、タスクの進行を推定する前に残りの原子行動を予測する推論-事前推定パラダイムを採用する。 具体的には、フレームレベルのサブタスク・セマンティックアノテーションを合成し、サブタスク構造に従って進捗予算を割り当て、サブタスク内の視覚的変化に基づいて各予算を分配することで、この監視を構築する。 In order to training ProcVLM, we build a standardized procedural supervision synthesis pipeline and construct ProcCorpus-60M from 30 embodied datasets with 60M annotated frames, from derived ProcVQA for procedure-aware pretraining, with progress Estimation as the central task along action segmentation and future planning。 ProcVQAと報酬モデルベンチマークの実験により、ProcVLMは手続き的推論の具体化を改善し、代表的なベースラインよりも識別的な軌道内進行推定値が得られることが示され、下流の報酬誘導政策最適化のための高密度報酬モデルとしての使用が支持された。 プロジェクトページ: https://procvlm.github.io/

関連論文リスト

• PRTS: A Primitive Reasoning and Tasking System via Contrastive Representations [66.94988600664574]
  我々は,目標達成型強化学習を通じて事前学習を再構築するVLA基盤モデルであるtextbfPRTS(textbfPrimitive textbfReasoning and textbfTasking textbfSystem)を提案する。
  論文  参考訳（メタデータ） (2026-04-30T06:14:02Z)
• Long-Horizon Manipulation via Trace-Conditioned VLA Planning [55.80061850746898]
  LoHo-Manipは、短い水平VLA実行を専用のタスク管理VLMを介して長い水平命令にスケールするフレームワークである。 LoHo-Manipは、サブタスクシーケンスと明示的な完了+残り分割を軽量言語メモリとして組み合わせた、進捗対応の残計画を予測する。 実行器VLAは、レンダリングされたトレースの条件に適合し、長い水平決定を繰り返しローカル制御に変換する。
  論文  参考訳（メタデータ） (2026-04-23T17:59:04Z)
• ProgressVLA: Progress-Guided Diffusion Policy for Vision-Language Robotic Manipulation [57.07494675832939]
  ロボット操作のための既存の視覚言語アクション(VLA)モデルは、進歩意識を欠いている。 本研究では,textbf vla という新しいモデルを提案し,タスク進捗の推定と統合について検討する。 CALVINとLIBEROベンチマークの実験は、実世界のロボットの展開とともに、成功率の大幅な改善を一貫して示している。
  論文  参考訳（メタデータ） (2026-03-29T12:38:11Z)
• See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
  本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
  論文  参考訳（メタデータ） (2026-03-10T07:22:51Z)
• PROGRESSLM: Towards Progress Reasoning in Vision-Language Models [10.481670664271073]
  タスクの進捗を見積もるには、静的な視覚的内容を認識するのではなく、長い水平運動を推理する必要がある。 本稿では,視覚言語モデルにおける進捗推論を体系的に評価するベンチマークであるProgress-Benchを紹介する。 さらに、トレーニングフリープロンプトとトレーニングベースアプローチの両方を通じて、人間にインスパイアされた2段階進行推論パラダイムについて検討する。
  論文  参考訳（メタデータ） (2026-01-21T17:56:59Z)
• PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation [27.791908160098625]
  PALMは、インタラクション中心のアベイランス推論とサブタスクプログレスキューに関するポリシー学習を構築する。 Palmはシミュレーションや実世界の実験において、一貫してベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-01-11T21:00:58Z)
• STARE-VLA: Progressive Stage-Aware Reinforcement for Fine-Tuning Vision-Language-Action Models [23.313031858351028]
  本稿では,STARE(Stage-Aware Reinforcement)について述べる。 また、視覚・言語・アクション(VLA)モデルにおける動作精度を向上させるために、Imitation -> Preference -> Interaction (IPI)パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-12-04T18:59:22Z)
• StepWiser: Stepwise Generative Judges for Wiser Reasoning [52.32416311990343]
  プロセス報酬モデルは、ステップバイステップのフィードバックを提供することによって、この問題に対処する。 近年の進歩に触発されて、分類タスクから推論タスク自体への段階的な報酬モデリングを再構築しました。 既存の手法よりも中間段階の精度が向上し, (ii) 訓練時の政策モデルの改善に利用でき, (iii) 推論時探索の改善が図られている。
  論文  参考訳（メタデータ） (2025-08-26T17:45:05Z)
• FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
  競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。 本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
  論文  参考訳（メタデータ） (2022-04-07T17:59:32Z)

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。