論文の概要: DAGR: State-Conditioned Goal Representations via Difference-Aware Goal Cross-Attention

• arxiv url: http://arxiv.org/abs/2607.13731v1
• Date: Wed, 15 Jul 2026 11:45:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.752844
• Title: DAGR: State-Conditioned Goal Representations via Difference-Aware Goal Cross-Attention
• Title（参考訳）: DAGR:差分対応ゴールクロスアテンションによる状態依存ゴール表現
• Abstract要約: DAGRは、遅延核融合エンコーダの静的な埋め込みを、マルチスケールのゲートクロスアテンションにより、状態条件のものに洗練する。 OGBench では DAGR によるナビゲーションの改善が図られている。
• 参考スコア（独自算出の注目度）: 31.225386130088676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Goal-conditioned reinforcement learning hinges on how the goal is encoded. Contrastive, metric, temporal-distance, and information-theoretic encoders differ in objective. They still share one trait. None of them sees the current state. Such a state-independent embedding cannot mark which part of the goal still needs action. The policy must then recover that cue by inverting both encoders. We propose DAGR. It refines the static embedding of any late-fusion encoder into a state-conditioned one through multi-scale gated cross-attention. A near-identity gated residual preserves the base representation. Difference-aware Goal Cross-Attention then biases the attention scores using a per-token state-goal discrepancy map. On OGBench, DAGR improves navigation. Our ablations trace the gain to the gated residual, not to the difference bias that names the method. On manipulation and puzzle tasks it matches or falls below the base. DAGR is a structured refinement, not a universal improvement.
• Abstract（参考訳）: ゴール条件付き強化学習は、ゴールのエンコード方法にヒントを与える。 コントラスト、計量、時間距離、情報理論エンコーダは客観的に異なる。 彼らはまだ1つの特徴を共有している。 いずれも現在の状態を見ていない。 このような状態に依存しない埋め込みは、目標のどの部分がまだアクションを必要とするかを示すことはできない。 ポリシーは、両方のエンコーダを反転させることで、そのキューを回復しなければならない。 DAGRを提案する。 遅延核融合エンコーダの静的な埋め込みを、マルチスケールのゲート・クロスアテンションを通じて、状態条件のエンコーダに洗練する。 ほぼ同一のゲート残基はベース表現を保存する。 違いを意識したゴール・クロス・アテンション(Goal Cross-Attention)は、トークンごとのステート・ゴールの差分マップを使用してアテンションスコアをバイアスする。 OGBenchでは、DAGRはナビゲーションを改善している。 我々のアブレーションは、そのメソッドを名付ける差分バイアスではなく、ゲート残差のゲインを辿る。 操作やパズルのタスクでは、ベースの下にマッチするか、落ちます。 DAGRは構造的な改良であり、普遍的な改善ではない。

関連論文リスト

• Direction-Conditioned Policies via Compositional Subgoal Scoring for Online Goal-Conditioned Reinforcement Learning [1.5282767384702272]
  ハミルトン・ヤコビ・ベルマン理論(英語版)は、最適のゴール条件の作用は、現在の状態におけるゴール条件距離の勾配によってのみゴールに依存することを示唆している。 Direction-Conditioned Policies (DCP) は,1つのInfoNCE表現を共有する2つのコンポーネントにゴール取得を分解する完全オンライン手法である。
  論文  参考訳（メタデータ） (2026-06-15T10:18:30Z)
• Goal Sets, Not Goal States: Queryable Robot Goals through Goal-Set Hindsight Relabeling [0.8703455323398351]
  Hindsight relabelingは通常、達成した状態を正確な目標に変え、オフラインのロボット学習を過度に制限する。 本稿では,HER の述語レベルの一般化である Goal-Set Hindsight Relabeling (GS-HER) を提案する。
  論文  参考訳（メタデータ） (2026-06-08T13:35:22Z)
• PURGE: Projected Unlearning via Retain-Guided Erasure [5.069332646113575]
  PURGEは、単純だが未発見の観測(継続学習(CL)と機械未学習(MU))に基づいて構築された機械学習アルゴリズムである。 CLは古いタスクを忘れずに新しいタスクを学習しようとします。MUは、反対方向に同じ根底にある緊張力を表す保持パフォーマンスを損なうことなく、特定のデータを消去しようとします。 PURGEは、MIA AUROCを0.5(理想)に近い精度で達成し、勾配上昇、KLユニフォーム、プライバシーユーティリティフロンティアのいくつかのベースラインを達成しながら、常に96%以上の精度を維持している。
  論文  参考訳（メタデータ） (2026-06-02T15:53:01Z)
• Geometry-Adaptive Explainer for Faithful Dictionary-Based Interpretability under Distribution Shift [17.611062308867275]
  分布シフトは、モデルが積極的に使用する部分空間を回転させ、イン・ディストリビューション(ID)アクティベーションに基づいて訓練された説明者の辞書を誤ることを示す。 我々は,このミスアライメントを,ID辞書とOOD活性部分空間との間の幾何学的距離である忠実度ギャップとして定式化する。 提案するGeometry-Adaptive Explainer (GAE, Geometry-Adaptive Explainer) は,従来の特徴構造を保ちながら,OOD-active 部分空間で説明者の辞書を実現する。
  論文  参考訳（メタデータ） (2026-05-21T00:46:01Z)
• When Attention Closes: How LLMs Lose the Thread in Multi-Turn Interaction [32.270076973760325]
  ゴール定義トークンは注意によってアクセスしにくくなり、ゴール関連情報は残留表現で持続する。 ゴールアクセシビリティ比(GAR)を導入し、生成トークンからタスク定義ゴールトークンへの注意を計測し、それをスライドウインドウアブレーションと残留ストリームプローブと組み合わせる。 アーキテクチャ全体において、遷移は定性的に異なる障害モードをもたらす: あるモデルは注意をそらしてゴール条件の動作を保ち、他のモデルは、デオード可能な残留目標情報にもかかわらず失敗し、この符号化が現れる層は2から27まで変化する。
  論文  参考訳（メタデータ） (2026-05-13T02:58:18Z)
• Dual Goal Representations [57.43956630070019]
  目標条件強化学習(GCRL)のための二重目標表現を導入する。 双対ゴール表現は「他の全ての状態から時間距離の集合」によって状態を特徴づける 両目標表現は、20のステートおよびピクセルベースのタスクにおいて、オフラインのゴール取得性能を一貫して改善することを示す。
  論文  参考訳（メタデータ） (2025-10-08T07:07:39Z)
• Mind the Gap: Bridging Occlusion in Gait Recognition via Residual Gap Correction [57.75544235445363]
  RG-Gaitを提案する。これは、総体的保持を伴う閉塞歩行認識のための残差補正法である。 提案するネットワークは学習した残差を適応的に統合し,閉鎖歩行系列の性能を著しく向上させる。
  論文  参考訳（メタデータ） (2025-07-15T04:45:14Z)
• UniGoal: Towards Universal Zero-shot Goal-oriented Navigation [68.45058159533376]
  汎用的なゼロショットゴール指向ナビゲーションのための一般的なフレームワークを提案する。 本稿では,オブジェクトカテゴリ,インスタンスイメージ,テキスト記述など,異なる目標を統一する一様グラフ表現を提案する。 我々のUniGoalは、3つの研究されたナビゲーションタスクに対して1つのモデルで最先端のゼロショット性能を実現する。
  論文  参考訳（メタデータ） (2025-03-13T17:59:48Z)
• Make the U in UDA Matter: Invariant Consistency Learning for Unsupervised Domain Adaptation [86.61336696914447]
  ICON (Invariant Consistency Learning) の略。 我々は2つの領域に等しくの地位を与えることで、教師なしDAのUを作成することを提案する。 ICON は古典的な UDA ベンチマークである Office-Home と VisDA-2017 で最先端のパフォーマンスを実現し、挑戦的な WILDS 2.0 ベンチマークでは従来の方法よりも優れています。
  論文  参考訳（メタデータ） (2023-09-22T09:43:32Z)
• HIQL: Offline Goal-Conditioned RL with Latent States as Actions [81.67963770528753]
  オフラインデータからゴール条件付きRLの階層的アルゴリズムを提案する。 この階層的な分解によって、推定値関数のノイズに頑健になることを示す。 提案手法は,従来の手法を巧みに操り,高次元画像観察にスケールできるとともに,アクションフリーなデータを容易に利用することができる。
  論文  参考訳（メタデータ） (2023-07-22T00:17:36Z)

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。