論文の概要: Domain Adaptation with Adaptive Imagination for Visual Reinforcement Learning under Limited Target Data
- arxiv url: http://arxiv.org/abs/2606.30192v1
- Date: Mon, 29 Jun 2026 12:08:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.213447
- Title: Domain Adaptation with Adaptive Imagination for Visual Reinforcement Learning under Limited Target Data
- Title（参考訳）: 限定目標データに基づく視覚強化学習のための適応的イマジネーションを用いた領域適応
- Abstract要約: AIDAは、ターゲットデータ不足下でのsim-to-real転送に対処する、視覚的強化学習のためのフレームワークである。
我々の主要なアイデアは適応的想像力であり、限られたターゲットデータを増やすための信頼性とセマンティックな想像力のロールアウトを生成する。
AIDAは意味的に意味のある状態表現を学び、5つのMuJoCoタスクと2つのGymnasium-Roboticsタスクでベースラインを上回ります。
- 参考スコア（独自算出の注目度）: 16.16206336187501
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sim-to-real transfer remains a major obstacle for reinforcement learning (RL), especially for vision-based control where image observations exacerbate the state-distribution shift between simulation and the real world. Domain adaptation (DA) is a promising remedy for this challenge. Prior sim-to-real DA works have demonstrated encouraging results, yet these approaches typically assume substantially more target data, which is not available in practice. Indeed, their performance degrades significantly when the target data budget is reduced. To address this challenge, we propose AIDA (Adaptive Imagination for Domain Adaptation), a domain adaptation framework for visual reinforcement learning that addresses sim-to-real transfer under scarce target data without requiring additional interaction with the target environment. Our key idea is adaptive imagination: generating reliable and semantic imagination rollouts to augment limited target data. Specifically, AIDA employs a distribution-shift-aware discriminator that truncates rollouts when imagined transitions drift into low-confidence regions, so that only reliable transitions contribute to the augmentation. On these reliable transitions, AIDA introduces a self-consistency loss that cycles through state -> image observation -> state, penalizing discrepancies between the original and reconstructed states. This provides additional adaptation signals beyond the scarce target data. Our experiments demonstrate that adaptive imagination effectively truncates unreliable rollouts. By enforcing a self-consistency loss on the resulting reliable transitions, AIDA learns semantically meaningful state representations and outperforms baselines across five MuJoCo tasks and two Gymnasium-Robotics tasks.
- Abstract（参考訳）: シミュレーション・トゥ・リアル・トランスファーは、特に画像観察がシミュレーションと実世界の状態分配シフトを悪化させる視覚ベースの制御において、強化学習(RL)の大きな障害となっている。
ドメイン適応(DA)はこの課題に対して有望な治療法である。
従来の sim-to-real DA 研究は奨励的な結果を示しているが、これらのアプローチは一般的に、実際に利用できない、はるかに多くのターゲットデータを想定している。
実際、ターゲットデータ予算が削減された場合、パフォーマンスは大幅に低下する。
この課題に対処するため,視覚強化学習のためのドメイン適応フレームワークであるAIDA(Adaptive Imagination for Domain Adaptation)を提案する。
我々の主要なアイデアは適応的想像力であり、限られたターゲットデータを増やすための信頼性とセマンティックな想像力のロールアウトを生成する。
具体的には、AIDAは分散シフト対応の識別器を用いて、想像上の遷移が低信頼領域に流れ込むときにロールアウトを減らし、信頼性のある遷移のみが増大に寄与する。
これらの信頼性のある遷移について、AIDAは、状態 ->画像観察 ->状態を通して循環する自己整合性損失を導入し、元の状態と再構成された状態の相違を罰する。
これにより、不足対象データ以外の追加適応信号が提供される。
我々の実験は、適応的想像力は信頼性の低いロールアウトを効果的に破壊することを示した。
結果の信頼性トランジションに自己整合性損失を強いることで、AIDAは意味論的に意味のある状態表現を学び、5つのMuJoCoタスクと2つのGymnasium-Roboticsタスクでベースラインを上回ります。
関連論文リスト
- WOMBET: World Model-based Experience Transfer for Robust and Sample-efficient Reinforcement Learning [8.729531978655737]
ロボット工学における強化学習は、しばしばデータ収集のコストとリスクによって制限される。
先行データを共同で生成・利用するフレームワークであるtextitWorld Model-based Experience Transfer (WOMBET) を提案する。
論文 参考訳（メタデータ） (2026-04-10T04:57:54Z) - Attention Residual Fusion Network with Contrast for Source-free Domain Adaptation [7.195870730342018]
ソースフリードメイン適応(SFDA)は、ソースドメイン上でモデルをトレーニングし、関連するターゲットドメインに適用する。
最近の研究は有望な結果を示しているが、ドメイン適応への多くのアプローチはドメインシフトに集中している。
本研究では, 負の移動とドメインシフトを軽減するために, SFDAのコントラスト学習に基づくARFNet(Attention Residual Fusion Network)の新たなフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-25T03:27:26Z) - Disentangled Source-Free Personalization for Facial Expression Recognition with Neutral Target Data [49.25159192831934]
本稿では,対象表現データがないモデルに適応することで生じる課題に対処するため,Distangled SFDA法を提案する。
本手法は,対象対象者に対する非ニュートラルな表現データを生成しながら,表現と同一性に関連する特徴を解き放つことを学習する。
論文 参考訳（メタデータ） (2025-03-26T17:53:53Z) - Cooperative Students: Navigating Unsupervised Domain Adaptation in Nighttime Object Detection [1.6624384368855527]
教師なし領域適応 (Unsupervised Domain Adaptation, UDA) は、厳密な条件下での物体検出において顕著な進歩を示した。
UDAのパフォーマンスは特に夜間の低可視性シナリオで低下する。
この問題に対処するため,textbfCooperative textbfStudents (textbfCoS) フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-02T14:26:18Z) - Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる
本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-31T03:14:44Z) - One-Shot Domain Adaptive and Generalizable Semantic Segmentation with
Class-Aware Cross-Domain Transformers [96.51828911883456]
セマンティックセグメンテーションのための教師なしのsim-to-realドメイン適応(UDA)は、シミュレーションデータに基づいて訓練されたモデルの実世界のテスト性能を改善することを目的としている。
従来のUDAは、適応のためのトレーニング中に利用可能なラベルのない実世界のサンプルが豊富にあると仮定することが多い。
実世界のデータサンプルが1つしか利用できない,一発の教師なしシム・トゥ・リアル・ドメイン適応(OSUDA)と一般化問題について検討する。
論文 参考訳（メタデータ） (2022-12-14T15:54:15Z) - Lifelong Unsupervised Domain Adaptive Person Re-identification with
Coordinated Anti-forgetting and Adaptation [127.6168183074427]
本稿では,LUDA (Lifelong Unsupervised Domain Adaptive) という新たなタスクを提案する。
これは、モデルがターゲット環境のラベル付けされていないデータに継続的に適応する必要があるため、難しい。
我々は、CLUDA-ReIDと呼ばれるこのタスクのための効果的なスキームを設計し、そこでは、アンチフォージェッティングが適応と調和して調整される。
論文 参考訳（メタデータ） (2021-12-13T13:19:45Z) - Attention-based Adversarial Appearance Learning of Augmented Pedestrians [49.25430012369125]
本稿では,歩行者認識タスクのための現実的なデータを合成する手法を提案する。
本手法は, 対向的損失によって駆動される注意機構を用いて, ドメインの相違を学習する。
提案手法はこのような不一致に対して頑健であり,視覚的リアリズムと意味的整合性の両方を明らかにする。
論文 参考訳（メタデータ） (2021-07-06T15:27:00Z) - Transformer-Based Source-Free Domain Adaptation [134.67078085569017]
本研究では,ソースフリードメイン適応(SFDA)の課題について検討する。
我々は、FDAの一般化モデルを学ぶためのTransformer(TransDA)という、汎用的で効果的なフレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-28T23:06:26Z) - Intervention Design for Effective Sim2Real Transfer [48.9711031777803]
この研究は、sim2real設定に対する領域ランダム化とデータ拡張の最近の成功に対処する。
この成功は、因果推論のレンズ、領域ランダム化の位置決め、および環境への介入としてのデータ拡張によって説明される。
論文 参考訳（メタデータ） (2020-12-03T16:38:54Z)
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。