論文の概要: Dynamic Execution Horizon Prediction for Chunk-based Robot Policies
- arxiv url: http://arxiv.org/abs/2606.11408v1
- Date: Tue, 09 Jun 2026 19:58:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 15:03:57.861985
- Title: Dynamic Execution Horizon Prediction for Chunk-based Robot Policies
- Title（参考訳）: チャンク型ロボット政策の動的実行水平予測
- Authors: Yuchi Zhao, Miroslav Bogdanovic, Arjun Sohal, Liyu Tao, Kourosh Darvish, Alán Aspuru-Guzik, Florian Shkurti, Animesh Garg,
- Abstract要約: アクションチャンキングは、ポリシーが一連のアクションを予測し、一度にひとつのステップを実行するのではなく、一定数のアクションを実行する、現代のロボットポリシーの標準設計となっている。
実際には、実行の地平線は通常経験的なチューニングによって選ばれ、タスク依存度が高い。
オンライン強化学習を用いて,軽量な実行-水平予測分岐を訓練する有効な手法である動的実行-水平予測(DEHP)を提案する。
- 参考スコア（独自算出の注目度）: 29.482987292744568
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Action chunking has become a standard design in modern robot policies, from diffusion/flow policies to vision-language-action models, where the policy predicts a sequence of actions and executes a fixed number of them instead of acting one step at a time. However, this paradigm relies on a key assumption: a fixed execution horizon. During chunk execution, the policy operates open-loop, which is particularly problematic for fine-grained manipulation tasks that require frequent replanning. In practice, the execution horizon is typically chosen through empirical tuning and is highly task-dependent. To this end, we propose Dynamic Execution Horizon Prediction (DEHP), an effective method that trains a lightweight execution-horizon prediction branch using online reinforcement learning while keeping the pretrained chunk policy completely frozen. This makes the method compatible with black-box chunk policies and isolates the effect of adapting the execution horizon from changes to the underlying action generator. Across our evaluations, DEHP improves the success rate of different high-precision and long-horizon manipulation tasks by a large margin. Our qualitative analysis further shows that DEHP predicts shorter execution horizons during fine-grained stages of the task and longer horizons during free-space motion. In this way, DEHP balances the efficiency of open-loop chunk execution with the reactivity of closed-loop single-step control. Project page: https://dehp-chunking.github.io/
- Abstract（参考訳）: アクションチャンキングは、拡散/フローポリシーから視覚言語-アクションモデルまで、現代のロボットポリシーの標準設計となっている。
しかし、このパラダイムは重要な前提である固定実行の地平線に依存している。
チャンク実行中、ポリシーはオープンループを動作させ、特に頻繁な再計画を必要とするきめ細かい操作タスクには問題となる。
実際には、実行の地平線は通常経験的なチューニングによって選ばれ、タスク依存度が高い。
この目的のために,オンライン強化学習を用いて,事前学習したチャンクポリシーを完全に凍結しつつ,軽量な実行水平予測分岐を訓練する有効な方法である動的実行水平予測(DEHP)を提案する。
これにより、メソッドはブラックボックスのチャンクポリシーと互換性を持ち、実行地平線を基盤となるアクションジェネレータの変更に適応させる効果を分離する。
評価の全体にわたって、DeHPは様々な高精度・長距離操作タスクの成功率を大幅に向上させる。
定性的解析により、DeHPはタスクのきめ細かい段階では短い実行地平線を予測し、自由空間運動時には長い水平線を予測できることがわかった。
このようにして、DEHPはオープンループチャンク実行の効率とクローズドループシングルステップ制御の反応性のバランスをとる。
プロジェクトページ: https://dehp-chunking.github.io/
関連論文リスト
- PACE: Phase-Aware Chunk Execution for Robot Policies with Action Chunking [37.9894332388921]
PACEは、予測チャンク自身からオンラインで実行地平線を選択する、トレーニング不要なテスト時間実行方法である。
PACEは予測されたアクションチャンクのみを使用するため、プラグアンドプレイであり、ポリシー内部への再トレーニングやアクセスは不要である。
我々はシミュレーションと実ロボット設定の両方で大規模な評価によってPACEを検証する。
論文 参考訳（メタデータ） (2026-05-30T05:11:06Z) - 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) - HiPolicy: Hierarchical Multi-Frequency Action Chunking for Policy Learning [17.3424491065084]
HiPolicyは階層的な多周波数アクションチャンキングフレームワークで、異なる周波数でのアクションシーケンスを予測し、粗い高レベル計画と正確な反応性動作の両方をキャプチャする。
多様なシミュレーションベンチマークと実世界の操作タスクの実験は、HiPolicyが既存の2Dおよび3D生成ポリシーにシームレスに統合可能であることを示している。
論文 参考訳（メタデータ） (2026-04-07T16:47:38Z) - Sample-Efficient Real-World Dexterous Policy Fine-Tuning via Action-Chunked Critics and Normalizing Flows [11.159970460746164]
実世界のインタラクション予算の制限と多モードなアクション分布のため、厳密な操作ポリシーの現実世界の微調整は困難である。
正規化フロー(NF)を用いたサンプル効率の良いオフポリチック微調整フレームワークSOFT-FLOWを提案する。
これは、可能性に基づくマルチモーダルな生成ポリシーと、実際のロボットハードウェアにおけるチャンクレベルの価値学習を組み合わせた最初の実証である。
論文 参考訳（メタデータ） (2026-02-10T09:28:20Z) - Decoupled Q-Chunking [63.864222078287575]
チャンクされた批評家は、個々のアクションではなく、短いアクションシーケンス("チャンク")の価値を見積もって、価値のバックアップをスピードアップします。
私たちの重要な洞察は、批判者のチャンクの長さをポリシーのチャンクの長さから切り離すことで、ポリシーがより短いアクションチャンクを乗り越えることを可能にすることです。
この設計は、オープンループのサブ最適化と長いアクションチャンクに対するアクションチャンクポリシーの学習の難しさを両立させながら、マルチステップ値伝搬の利点を保っている。
論文 参考訳（メタデータ） (2025-12-11T18:52:51Z) - Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。
我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
論文 参考訳（メタデータ） (2025-12-02T14:42:54Z) - Improving Generative Behavior Cloning via Self-Guidance and Adaptive Chunking [29.920087317401396]
ジェネレーティブ・ビヘイビア・クローン(Generative Behavior Cloning)は、ロボット学習のためのシンプルで効果的なフレームワークである。
拡散政策の一貫性と反応性を高めるための2つの新しい手法を提案する。
提案手法は,多種多様なシミュレーションおよび実世界のロボット操作タスクにおいて,GBCの性能を大幅に向上させる。
論文 参考訳（メタデータ） (2025-10-14T11:16:34Z) - Action-Quantized Offline Reinforcement Learning for Robotic Skill
Learning [68.16998247593209]
オフライン強化学習(RL)パラダイムは、静的な行動データセットを、データを収集したポリシーよりも優れたパフォーマンスのポリシーに変換するためのレシピを提供する。
本稿では,アクション量子化のための適応型スキームを提案する。
IQL,CQL,BRACといった最先端のオフラインRL手法が,提案手法と組み合わせることで,ベンチマークのパフォーマンスが向上することを示す。
論文 参考訳（メタデータ） (2023-10-18T06:07:10Z) - Acting in Delayed Environments with Non-Stationary Markov Policies [57.52103323209643]
本稿では,MDPにおける学習と計画のためのフレームワークについて紹介する。
実行が遅れると、元の状態空間における決定論的マルコフポリシーは最大報酬を得るのに十分であるが、非定常である必要があることを証明します。
我々は、状態拡張に頼らずに遅延実行タスクを解く非定常Q学習スタイルのモデルベースアルゴリズムを考案した。
論文 参考訳（メタデータ） (2021-01-28T13:35:37Z)
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。