論文の概要: Robot Self-Improvement via Human-Video Dynamics Models

• arxiv url: http://arxiv.org/abs/2606.21406v1
• Date: Fri, 19 Jun 2026 13:17:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 13:38:40.32319
• Title: Robot Self-Improvement via Human-Video Dynamics Models
• Title（参考訳）: ヒューマンビデオダイナミクスモデルによるロボットの自己改善
• Authors: Hanzhi Chen, Anran Zhang, Simon Schaefer, Kejia Chen, Shi Chen, Daniel Cremers, Oier Mees, Stefan Leutenegger,
• Abstract要約: 人間のビデオは、ロボットのエンボディメント間で伝達されるエンボディメントに依存しない動作、ダイナミクス、および値表現を学ぶのに利用できることを示す。 DGAC(Dynamics-Guided Action Correction)は,これらの適応モデルを用いて故障状態の修復を行うトレーニングフリーアプローチである。 以上の結果から,人間の先行とロボットの失敗が組み合わさって,スケーラブルな自律的政策改善を可能にすることが示唆された。
• 参考スコア（独自算出の注目度）: 52.14862052988773
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A central question in robot learning is how to acquire skills from the kinds of data that humans learn from: passive observation, embodied practice, and the experience of failure. Human videos provide the first of these in abundance, and prior work has shown they can initialize useful policies. Far less clear is whether they can support the second and third: whether priors extracted from human videos can ground a robot's own attempts well enough to evaluate them, correct them, and improve from them. In this work, we show that human videos can be used to learn embodiment-agnostic action, dynamics, and value representations that transfer across robot embodiments, providing the predictive foundation required for robots to autonomously improve from their own rollouts and failures. We introduce Dynamics-Guided Action Correction (DGAC), a training-free approach that leverages these adapted models to repair failed states: each failure becomes a query for which the learned models propose and rank corrective actions, turning failures into supervision for the next policy update. Across seven real-world manipulation tasks spanning both a mobile manipulator and a static manipulator arm, our approach improves success rates from 40% to 81% across multiple policy backbones, demonstrating cross-embodiment robot self-improvement from human-video priors. These results show that human priors and robot failures can be combined to enable scalable autonomous policy improvement. Project page: https://ethz-mrl.github.io/robot-self-improvement-website/.
• Abstract（参考訳）: ロボット学習における中心的な問題は、受動的観察、実践、失敗の経験といった、人間が学習するデータの種類から、どのようにスキルを取得するかである。 人間のビデオは、これらのうちの1つを豊富に提供し、以前の研究は、有用なポリシーを初期化できることを示してきた。 人間のビデオから抽出された先行情報が、ロボット自身の試みを十分に根絶し、評価し、修正し、改善できるかどうか。 本研究では,ロボットが自力で展開や失敗から自律的に改善するために必要な予測基盤を提供する。 DGAC(Dynamics-Guided Action Correction)は、これらの適応モデルを活用して障害状態の修復を行う、トレーニング不要のアプローチである。 モバイルマニピュレータと静的マニピュレータアームの両方にまたがる7つの実世界の操作タスクにおいて、我々のアプローチは、複数のポリシーバックボーンにまたがる成功率を40%から81%に向上させ、人間のビデオ前のロボットによる自己改善を実証した。 これらの結果から,人間の先行とロボットの失敗が組み合わさって,スケーラブルな自律的政策改善を可能にすることが示唆された。 プロジェクトページ: https://ethz-mrl.github.io/robot-self-improvement-website/。

関連論文リスト

• Human Preference Modeling Using Visual Motion Prediction Improves Robot Skill Learning from Egocentric Human Video [5.158632635415882]
  本稿では,人間選好を報酬関数でモデル化し,その報酬を最大化するためにロボットの動作を最適化することで,人間中心のビデオからロボット学習へのアプローチを提案する。 提案手法は,実ロボットで学習可能であり,報奨モデルを用いて学習したポリシーが,シミュレーションと実ロボットの両方において,複数のタスクにまたがる事前作業に適合あるいは優れることを示す。
  論文  参考訳（メタデータ） (2026-02-11T21:56:47Z)
• H2R-Grounder: A Paired-Data-Free Paradigm for Translating Human Interaction Videos into Physically Grounded Robot Videos [58.006918399913665]
  本稿では,通常の人間と物体のインタラクションビデオからモーション一貫性のあるロボット操作ビデオに変換するビデオ間翻訳フレームワークを提案する。 私たちのアプローチでは、ロボットビデオのセットのみをトレーニングするために、ペアの人間ロボットビデオは必要とせず、システムを拡張しやすくしています。 テスト時にも同じプロセスを人間のビデオに適用し、人間の行動を模倣する高品質なロボットビデオを生成する。
  論文  参考訳（メタデータ） (2025-12-10T07:59:45Z)
• EgoZero: Robot Learning from Smart Glasses [54.6168258133554]
  EgoZeroはProject Ariaスマートグラスで捉えた人間のデモから堅牢な操作ポリシーを学ぶ。 EgoZeroのポリシーをFranka Pandaロボットにデプロイし、7つの操作タスクに対して70%の成功率でゼロショット転送を実演する。 この結果から,実世界におけるロボット学習のためのスケーラブルな基盤として,現在地にある人間のデータを活用できることが示唆された。
  論文  参考訳（メタデータ） (2025-05-26T17:59:17Z)
• Vid2Robot: End-to-end Video-conditioned Policy Learning with Cross-Attention Transformers [36.497624484863785]
  Vid2Robotは、人間のビデオで操作タスクを入力として表現し、ロボットアクションを生成する、エンドツーエンドのビデオ条件付きポリシーである。 我々のモデルは、ビデオから人間とロボットのアクションの統一表現を学習するために、プロンプトロボット軌道対の大規模なデータセットを用いて訓練されている。 実世界のロボット上でのVid2Robotの評価を行い、人間のプロンプトビデオを用いた場合、BC-Zよりも20%以上の改善が見られた。
  論文  参考訳（メタデータ） (2024-03-19T17:47:37Z)
• Interactive Robot Learning from Verbal Correction [42.37176329867376]
  OLAFは、ロボットがミスをしたとき、言葉で訂正するロボットを教える。 OLAFの重要な特徴は、言葉のフィードバックに基づいてロボットの視覚運動神経ポリシーを更新する能力である。 本研究では,ユーザがロボットに長期操作タスクを指示する実験において,設計の有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-26T16:46:12Z)
• Learning a Universal Human Prior for Dexterous Manipulation from Human Preference [35.54663426598218]
  本稿では,ビデオ上での人間の嗜好を直接フィードバックすることで,人類の普遍性を学習するフレームワークを提案する。 多様な警察を反復的に生成し、軌道上の人間の嗜好を収集することにより、タスクに依存しない報酬モデルを訓練する。 提案手法は,ロボットの手の動作を,目に見えないタスクを含む多様なタスクで実証的に示す。
  論文  参考訳（メタデータ） (2023-04-10T14:17:33Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• Learning Reward Functions for Robotic Manipulation by Observing Humans [92.30657414416527]
  我々は、ロボット操作ポリシーのタスク非依存報酬関数を学習するために、幅広い操作タスクを解く人間のラベル付きビデオを使用する。 学習された報酬は、タイムコントラストの目的を用いて学習した埋め込み空間におけるゴールまでの距離に基づいている。
  論文  参考訳（メタデータ） (2022-11-16T16:26:48Z)

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。