論文の概要: SAPS: Shared Autonomy for Policy Steering by Blending Teleoperation with a Pretrained VLA

• arxiv url: http://arxiv.org/abs/2606.15568v1
• Date: Sun, 14 Jun 2026 03:09:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.696188
• Title: SAPS: Shared Autonomy for Policy Steering by Blending Teleoperation with a Pretrained VLA
• Title（参考訳）: SAPS: 事前訓練VLAによる遠隔操作による政策ステアリングのための共有自律性
• Abstract要約: VLA(Vision-Language-Action)ポリシーは、アウト・オブ・ディストリビューションの空間的および意味的摂動の下で脆くすることができる。 本稿では、リアルタイムの遠隔操作コマンドと事前訓練されたポリシーアクションを融合するフレームワーク、SAPS(Shared Autonomy for Policy Steering)を紹介する。 SAPSは、ポリシーの再訓練、補助力学モデル、アーキテクチャの変更を必要としない。
• 参考スコア（独自算出の注目度）: 7.574275066394319
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in Vision-Language-Action (VLA) models have demonstrated impressive generalist capabilities in robot manipulation, yet these policies can be brittle under out-of-distribution spatial and semantic perturbations. While human teleoperation offers reliable recovery, it can demand high cognitive load and precise manual control, and existing policy steering methods often require auxiliary models or sampler modifications. In this work, we introduce Shared Autonomy for Policy Steering (SAPS), a framework that blends real-time human teleoperation commands with pretrained policy actions at the action level. SAPS requires no policy retraining, auxiliary dynamics models, or architectural modifications. We propose and evaluate three arbitration strategies to balance human and VLA policy control, including a dynamic Cosine-similarity arbitration strategy that computes the geometric agreement between human and policy actions. Across evaluations in simulation (LIBERO, LIBERO-PRO, CALVIN) and on real-world robot hardware, SAPS improves task success rates over autonomous execution by up to 82% in both simulation and the real world. Furthermore, our approach drastically reduces human intervention compared to pure teleoperation, while simultaneously achieving faster task completion times than both autonomous execution and pure teleoperation. These results demonstrate that action-level shared autonomy is a practical, model-agnostic approach for reliably deploying generalist robot policies in real-world contexts involving a human operator,with promising applications in assistive teleoperation and scalable data collection.
• Abstract（参考訳）: 近年のVision-Language-Action(VLA)モデルの進歩は、ロボット操作における印象的なジェネラリスト機能を示しているが、これらのポリシーは、分布外空間およびセマンティック摂動の下で脆くすることができる。 人間の遠隔操作は信頼性の高い回復を提供するが、高い認知負荷と正確な手動制御を必要とする場合がある。 本研究では、リアルタイムの遠隔操作コマンドと事前訓練されたポリシーアクションをアクションレベルでブレンドするフレームワークであるSAPS(Shared Autonomy for Policy Steering)を紹介する。 SAPSは、ポリシーの再訓練、補助力学モデル、アーキテクチャの変更を必要としない。 我々は,人間とVLAの政策制御のバランスをとるための3つの調停戦略を提案し,評価する。 シミュレーション(LIBERO, LIBERO-PRO, CALVIN)および実世界のロボットハードウェアにおいて、SAPSは、シミュレーションと実世界の双方において、自律実行よりもタスク成功率を最大82%向上させる。 さらに,本手法は,完全遠隔操作と比較して人的介入を大幅に削減すると同時に,自律的実行と純粋遠隔操作の両方よりも高速なタスク完了時間を実現する。 これらの結果は、アクションレベルの共有自律性は、人間の操作者を含む現実の文脈において、一般的なロボットポリシーを確実に展開するための実用的でモデルに依存しないアプローチであり、補助的遠隔操作とスケーラブルなデータ収集に有望な応用であることを示す。

関連論文リスト

• X-OP: Cross-Morphology Whole-Body Teleoperation via MPC Retargeting [3.134050607080983]
  全体遠隔操作は、ロコ操作タスクにおけるスケーラブルなロボットデータ収集に不可欠である。 単一のXRデバイスによって駆動される階層的な全身遠隔操作フレームワークを提案する。 我々は,ヒューマノイドと移動マニピュレータの双方において,全身制御タスクにおいて高い成功率を示す。
  論文  参考訳（メタデータ） (2026-06-06T01:50:59Z)
• OHP-RL: Online Human Preference as Guidance in Reinforcement Learning for Robot Manipulation [16.28822074948203]
  Online Human Preference as Guidance in Reinforcement Learning (OHP-RL) は、政策学習の指針となる選好情報として人間の介入を利用するフレームワークである。 OHP-RLは、強い成功率、より高速な収束、そして従来のアプローチよりもはるかに低い人間の介入努力を一貫して達成する。
  論文  参考訳（メタデータ） (2026-05-15T14:02:34Z)
• Flow Policy Gradients for Robot Control [67.61978635211048]
  フローマッチングポリシ勾配は、より表現力のあるポリシのトレーニングと微調整に有効である。 我々は、スクラッチからトレーニングを行う際に、フロー表現をどのように活用するかを示し、ベースラインよりもきめ細やかな堅牢性を改善する。
  論文  参考訳（メタデータ） (2026-02-02T18:56:49Z)
• On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning [61.38273866396522]
  ビジョン・ランゲージ・アクションモデルが汎用ロボット学習の強力なパラダイムとして登場した。 現在の手法は、シミュレーションや物理世界の展開に挑戦するには相変わらず適していない。 本稿では,VLA フレームワークのテスト時間強化学習について紹介する。
  論文  参考訳（メタデータ） (2026-01-11T01:51:30Z)
• End-to-End Dexterous Arm-Hand VLA Policies via Shared Autonomy: VR Teleoperation Augmented by Autonomous Hand VLA Policy for Efficient Data Collection [10.217810309422232]
  マクロモーションとマイクロモーションの制御を分割するフレームワークを提案する。 人間のオペレーターが直感的なVR遠隔操作を通してロボットの腕のポーズをガイドします。 自律的なDexGrasp-VLAポリシは、リアルタイム触覚と視覚フィードバックを使用して、きめ細かい手制御を処理する。
  論文  参考訳（メタデータ） (2025-10-31T16:12:02Z)
• SPACeR: Self-Play Anchoring with Centralized Reference Models [50.55045557371374]
  Simエージェントポリシーは、現実的で、人間らしく、高速で、マルチエージェント設定でスケーラブルである。 大規模な拡散モデルやトークン化モデルを用いた模倣学習の最近の進歩は、人間の運転データから直接行動を把握することができることを示している。 本研究では,事前訓練されたトークン化自己回帰運動モデルを利用したSPACeRを提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:53:02Z)
• Bridging Embodiment Gaps: Deploying Vision-Language-Action Models on Soft Robots [5.993870098970107]
  VLA(Vision-Language-Action)モデルは、実際のロボットのための言語ガイド付き汎用制御フレームワークとして提案されている。 本稿では,VLAモデルのソフト連続マニピュレータへの展開について述べる。
  論文  参考訳（メタデータ） (2025-10-20T10:06:39Z)
• Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids [56.892520712892804]
  本稿では,ヒューマノイドロボットを訓練して3つの巧妙な操作を行う,実用的なシミュレート・トゥ・リアルなRLレシピを提案する。 未確認のオブジェクトやロバストで適応的な政策行動に対して高い成功率を示す。
  論文  参考訳（メタデータ） (2025-02-27T18:59:52Z)
• Uncertainty Comes for Free: Human-in-the-Loop Policies with Diffusion Models [4.0342998431529695]
  本研究では,拡散政策が人的援助を必要時にのみ積極的に求め,一定の人的監視への依存を減らす方法を提案する。 我々は、拡散政策の生成過程を利用して、自律エージェントが展開時にオペレーター支援を要求できる不確実性に基づくメトリクスを計算する。 この手法は, 自律的な性能向上のために, 微調整拡散ポリシーの効率的なデータ収集に有効であることを示す。
  論文  参考訳（メタデータ） (2025-02-26T15:12:29Z)
• COMBO-Grasp: Learning Constraint-Based Manipulation for Bimanual Occluded Grasping [56.907940167333656]
  集積ロボットグルーピングは、表面衝突などの環境制約により、所望のグルーピングポーズが運動的に不可能な場所である。 従来のロボット操作アプローチは、人間が一般的に使用する非包括的または双対的戦略の複雑さに苦しむ。 本稿では,2つの協調ポリシーを活用する学習ベースアプローチであるCOMBO-Grasp(Constraint-based Manipulation for Bimanual Occluded Grasping)を紹介する。
  論文  参考訳（メタデータ） (2025-02-12T01:31:01Z)
• Human-in-the-Loop Imitation Learning using Remote Teleoperation [72.2847988686463]
  6-DoF操作設定に合わせたデータ収集システムを構築します。 システムによって収集された新しいデータに基づいて,ポリシーを反復的にトレーニングするアルゴリズムを開発した。 介入型システムで収集したデータに基づいて訓練されたエージェントと、非介入型デモ参加者が収集した同等数のサンプルで訓練されたアルゴリズムを上回るエージェントを実証する。
  論文  参考訳（メタデータ） (2020-12-12T05:30:35Z)

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。