論文の概要: World Action Models Enable Continual Imitation Learning with Recurrent Generative Replays
- arxiv url: http://arxiv.org/abs/2606.27374v1
- Date: Thu, 25 Jun 2026 17:59:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.399753
- Title: World Action Models Enable Continual Imitation Learning with Recurrent Generative Replays
- Title（参考訳）: 繰り返し生成再生による連続的模倣学習を可能にする世界行動モデル
- Abstract要約: 世界行動モデル(WAM)は将来の視覚的観察を生成することができる。
Recurrent Generative Replay (REGEN)を提案するために,この生成機能を活用している。
REGENは、以前のタスク命令と現在のタスク観察にのみ条件付けられた擬似再生軌道を合成する。
- 参考スコア（独自算出の注目度）: 20.499876853160206
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Going beyond predicting robot actions, World Action Models (WAMs) can also generate future visual observations. We build on this generative capability to propose Recurrent Generative Replay (REGEN), a continual imitation learning framework that synthesizes pseudo-replay trajectories, enabling a robot policy to rehearse previously learned tasks without storing their original human demonstrations. During continual adaptation, REGEN recursively queries the WAM to synthesize pseudo-replay trajectories conditioned only on prior task instructions and current-task observations. Experiments in both simulation and real-world manipulation settings show that REGEN reduces catastrophic forgetting by up to $50\%$ relative to sequential fine-tuning, while approaching the performance of privileged experience replay methods that require access to real replay data. Finally, we analyze the factors limiting generated replay, identifying long-horizon visual degradation and action-observation inconsistency as the primary bottlenecks. Our results establish WAMs as a promising foundation for continual robot learning without stored demonstrations.
- Abstract（参考訳）: ロボットアクションの予測を超えて、World Action Models(WAM)は将来の視覚的な観察も生成できる。
この生成能力を利用して、擬似再生軌道を合成する連続的模倣学習フレームワークRecurrent Generative Replay (REGEN)を提案する。
連続的な適応の間、REGENはWAMに再帰的にクエリして、以前のタスク命令と現在のタスク観察にのみ条件づけられた擬似再生軌跡を合成する。
シミュレーションと実世界の操作設定の両方の実験では、REGENはシーケンシャルな微調整と比較して破滅的な忘れを最大50\%削減する一方で、実再生データへのアクセスを必要とする特権付き体験再生メソッドのパフォーマンスにアプローチしている。
最後に、生成したリプレイを制限する要因を分析し、長時間の視覚的劣化と行動観察の不整合を主要なボトルネックとして同定する。
本研究は,WAMを,記憶された実演を伴わない連続的なロボット学習の基盤として確立した。
関連論文リスト
- Repetition as Reinforcement: Enhancing Sample Efficiency via Instant Episode Repetition in Reinforcement Learning [2.2523368864515607]
反復は人間の学習における基本的なメカニズムであり、成功経験を再考することで記憶が強化され、スキルが強化され、将来のパフォーマンスが向上する。
Instant Episode Repetition (IER) は、環境相互作用における動作シーケンスを即座に繰り返してサンプル効率を向上させる、シンプルで斬新なメカニズムである。
論文 参考訳（メタデータ） (2026-08-18T04:11:50Z) - DenseReward: Dense Reward Learning via Failure Synthesis for Robotic Manipulation [67.08835970838996]
強化学習は模倣学習の限界を超えてロボットポリシーを改善するための大きな約束である。
2つの重要な課題は、さまざまな障害データを大規模に取得し、スパース軌道レベルの成功ラベルを超えて、きめ細かい報酬信号を取得することである。
両課題に対処する高密度ロボット報酬モデルであるDenseRewardを紹介した。
論文 参考訳（メタデータ） (2026-07-14T17:59:29Z) - Native Video-Action Pretraining for Generalizable Robot Control [77.59831077077176]
LingBot-VA 2.0は、エンボディメントのためにゼロから構築されたビデオアクション基盤モデルである。
高周波推論の要求を満たすため,本モデルは疎いMOEバックボーンを用いる。
現実のデプロイメントは、堅牢な基盤モデルとしてLingBot-VA 2.0を検証する。
論文 参考訳（メタデータ） (2026-07-09T16:15:43Z) - Beyond Monotonic Progress: Retry-Supervised Value Learning for Robot Imitation [38.88183703128359]
混在型ロボットのデモから誤検知値関数を学習するフレームワークであるReTVL(ReTry-Supervised Value Learning)を提案する。
ReTVLは、グローバルプログレスキャリブレーションとローカルなペアワイズ選好学習を組み合わせることで、ミスに伴う局所的な劣化・回復構造をキャプチャする。
実ロボット操作タスクの実験では、ReTVLは進捗ベースのベースラインよりもよりきめ細かな値推定を生成する。
論文 参考訳（メタデータ） (2026-06-23T14:27:10Z) - Recover, Discover, Plan: Learning Skills and Concepts from Robot Failures [50.668639270656115]
ReSYNCは、スキルと概念を学び、抽象的な計画を支援するために抽象ライブラリを洗練するロボットである。
本稿では,ReSYNCの抽象ライブラリを継続的に拡張・改良する能力により,従来は見つからなかった長期の問題を解くことができることを示す。
全体として、ReSYNCは、スケーラブルで障害対応の計画のための抽象化を自律的に取得するロボットにとって、重要なステップである。
論文 参考訳（メタデータ） (2026-06-16T17:59:57Z) - From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation [88.39072412680633]
将来の映像を実行可能な表現に変換する制御指向インタフェースであるMoLAを提案する。
我々は,シミュレーションベンチマークと実世界のロボット操作タスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2026-05-12T14:15:16Z) - LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。
そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。
R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
論文 参考訳（メタデータ） (2026-03-31T02:21:59Z) - SOLE-R1: Video-Language Reasoning as the Sole Reward for On-Robot Reinforcement Learning [8.073523925328645]
オンライン強化学習のための唯一の報酬信号として設計されたビデオ言語推論モデル。
我々は、SOLE-R1が24の未確認タスクで成功し、強い視覚言語報酬器を著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-30T17:46:31Z) - RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
ロボットのためのロバスト自動データ取得(RADAR)について紹介する。
RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。
シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
論文 参考訳（メタデータ） (2026-03-12T11:18:52Z) - Unseen from Seen: Rewriting Observation-Instruction Using Foundation Models for Augmenting Vision-Language Navigation [63.54377402784965]
視覚言語ナビゲーション(VLN)のためのリライト駆動型AugMentation(RAM)パラダイムを提案する。
書き換え機構から, シミュレータフリー, 省力両面において, 新たな観察・指導ペアを得ることができた。
離散環境(R2R,REVERIE,R4Rデータセット)と連続環境(R2R-CEデータセット)の両方における実験は,本手法の優れた性能と優れた一般化能力を示している。
論文 参考訳（メタデータ） (2025-03-23T13:18:17Z) - ReIL: A Framework for Reinforced Intervention-based Imitation Learning [3.0846824529023387]
Reinforced Intervention-based Learning (ReIL) は、一般的な介入に基づく学習アルゴリズムとマルチタスク模倣学習モデルからなるフレームワークである。
実世界の移動ロボットナビゲーションの課題による実験結果から、ReILは性能の劣化に悩まされることなく、緩やかな監督補正から素早く学習できることが示唆された。
論文 参考訳（メタデータ） (2022-03-29T09:30:26Z) - Imaginary Hindsight Experience Replay: Curious Model-based Learning for
Sparse Reward Tasks [9.078290260836706]
複雑な報酬工学の必要性を先導するスパース・リワードタスクに適したモデルベース手法を提案する。
このアプローチはImaginary Hindsight Experience Replayと呼ばれ、想像データをポリシー更新に組み込むことで、現実世界のインタラクションを最小化する。
評価を行うと、この手法はOpenAI Gym Fetch Roboticsのベンチマークにおける最先端のモデルフリー手法と比較して、平均的なデータ効率が桁違いに向上する。
論文 参考訳（メタデータ） (2021-10-05T23:38:31Z)
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。