論文の概要: AutoIntervene: Calibrated Intervention for Action-Chunking Imitation Learning Policies

• arxiv url: http://arxiv.org/abs/2608.07065v1
• Date: Fri, 07 Aug 2026 10:14:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.461544
• Title: AutoIntervene: Calibrated Intervention for Action-Chunking Imitation Learning Policies
• Title（参考訳）: AutoIntervene:Action-Chunking Imitation Learning Policiesの校正的介入
• Abstract要約: アクションチャンキングビズモータポリシは、デモから学び、時間的一貫性を改善する。 デプロイ中にアクションチャンキングポリシーとオペレータ間で制御を選択的に転送するオンラインフレームワークであるAutoInterveneを提案する。
• 参考スコア（独自算出の注目度）: 4.786936073180585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Action-chunking visuomotor policies learn from demonstrations and improve temporal consistency by predicting short action sequences rather than single-step commands. Yet perception errors and execution drift can move the robot outside the demonstration distribution, while the policy continues to produce smooth action chunks that are inconsistent with the observed state. We present AutoIntervene, an online framework that selectively transfers control between an action-chunking policy and an operator during deployment. AutoIntervene evaluates proposed chunks against a visual-action support memory built from successful task executions, combining visual similarity with consistency between proposed and reference actions. Phase-local support governs policy-to-operator transfer within the current task phase, whereas global support governs the return to policy control after operator recovery. We calibrate separate switching thresholds for the two directions from empirical quantiles of evaluation-level scores on held-out expert demonstrations, avoiding direct manual tuning of score cutoffs. Intervention segments retained from successful rollouts target learner-induced states and provide corrective supervision for subsequent policy updates. Experiments on real-world bimanual manipulation tasks show higher post-adaptation task success and lower operator-control time than manual intervention. Videos and additional results are available at https://aus.bot/research/autointervene/.
• Abstract（参考訳）: アクションチャンキングビズモータポリシは、デモから学び、単一ステップコマンドではなく、短いアクションシーケンスを予測することで、時間的一貫性を改善する。 しかし、認識エラーや実行ドリフトは、ロボットをデモ分布の外に移すことができる一方で、ポリシーは観察された状態と矛盾しないスムーズなアクションチャンクを生成し続けている。 デプロイ中にアクションチャンキングポリシーとオペレータ間で制御を選択的に転送するオンラインフレームワークであるAutoInterveneを提案する。 AutoInterveneは、タスク実行の成功から構築された視覚アクションサポートメモリに対して提案されたチャンクを評価し、視覚的類似性と提案されたアクションと参照アクションの一貫性を組み合わせる。 相局所的サポートは、現在のタスクフェーズ内でポリシー・ツー・オペレーターの移行を統括する一方、グローバルサポートは、オペレーターのリカバリ後のポリシーコントロールへの回帰を統括する。 評価レベルスコアの実証的定量値から2方向の切替閾値を調整し、スコアカットオフの直接手動チューニングを回避した。 インターベンションセグメントは、学習者が引き起こした状態に対するロールアウトの成功から維持され、その後のポリシー更新に対する修正的監視を提供する。 実世界の双方向操作タスクの実験では、手作業による介入よりも、適応後のタスクの成功と操作時間の向上が示されている。 ビデオと追加の結果はhttps://aus.bot/research/autointervene/.comで公開されている。

関連論文リスト

• IMPACT-VLA: Interaction-aware Multimodal Propagation Attribution via Counterfactual Trajectories for Vision-Language-Action Policies [3.5795275871379704]
  Vision-Language-Action Policies (VLA) はマルチモーダル入力を用いてロボット操作を行う。 それぞれのモダリティが最終タスクの成功にどの段階が貢献するかは、まだ不明である。 本稿では,視覚・言語・行動政策における相互対応型マルチモーダル・プロパゲーション・アトリビューションを提案する。
  論文  参考訳（メタデータ） (2026-09-14T04:13:17Z)
• Do Robotic World Models Really Follow Actions? Diagnosing and Aligning Action-Conditioned Generation for Policy Learning [53.77164209208635]
  本稿では,視覚的整合性と軌跡アライメントを用いて,より広い行動分布を探索するWorldEchoを紹介する。 本稿では,3つの軸に沿った行動(分布カバレッジ,表現的接地,介入効果のアライメント)を強化するWorldSyncを提案する。 RoboTwinベンチマークと実ロボットタスクの実験は、WorldSyncがWorldEchoメトリクスを改善し、反復的なポリシー改善のためのより信頼性の高いシミュレータとして機能していることを示している。
  論文  参考訳（メタデータ） (2026-08-25T17:59:49Z)
• Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control? [78.81308700607651]
  アクションチャンキングは単一のアクションではなく、複数のアクションを予測し、実行する。 非マルコフ表現率の増大と、マルコフポリシーと比較して複合誤差の低減による作用チャンキングの利点が示された。 本稿では,アンサンブルを明示的にインスタンス化することで,アクションチャンキングのメリットを増幅するポリシークラスを提案する。
  論文  参考訳（メタデータ） (2026-08-03T17:32:45Z)
• FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
  FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。 FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
  論文  参考訳（メタデータ） (2026-07-27T05:10:16Z)
• SegDiff: Segmented Trajectory Diffusion for Consistent and Adaptive Robot Manipulation [65.81476183180527]
  両パラダイムの長所を統合するクローズドループビズモータポリシであるSegDiffを紹介する。 SegDiffはデモをキーセグメンテーション間で動作セグメントに分解し、現在の状態から次のキーセグメンテーションまでの連続的な軌跡を予測することを学習する。 SegDiffは、さまざまなシミュレートされた実世界のシナリオにおいて、既存のアプローチよりも大きなパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2026-07-13T02:48:03Z)
• PATCH: Action-Chunk-Conditioned Latent Patch Innovation Monitoring for Robot Manipulation [4.53884951709371]
  我々は、デプロイ時の介入のためのアクションチャンク条件付潜時パッチイノベーションモニターを紹介する。 実際のロボットロールアウトデータの実験では、競合するランタイムモニタよりも安定したコンテキスト関連トリガを生成することが示されている。
  論文  参考訳（メタデータ） (2026-06-15T13:24:41Z)
• OLIVIA: Online Learning via Inference-time Action Adaptation for Decision Making in LLM ReAct Agents [74.20327254615854]
  大規模言語モデルエージェントは、シーケンシャルな意思決定タスクを解決するために、推論、行動選択、観察をインターリーブする。 LLMエージェントの既存の推論時間適応法は、主にプロンプトや検索に依存している。 提案するOLIVIAは,ReAct型エージェントのための推論時行動適応フレームワークである。
  論文  参考訳（メタデータ） (2026-05-11T19:28:20Z)
• A Physical Agentic Loop for Language-Guided Grasping with Execution-State Monitoring [5.437966695589128]
  我々は、接地された実行状態上で動作する有界な実施エージェントとして言語誘導の把握を再構築する。 未修正の学習操作プリミティブをラップする物理エージェントループを導入する。 眼内カメラD405を用いた移動マニピュレータのループを検証した。
  論文  参考訳（メタデータ） (2026-04-08T08:01:35Z)
• PPGuide: Steering Diffusion Policies with Performance Predictive Guidance [28.698103923760172]
  PPGuideは、事前訓練された拡散ポリシーを、推論時に障害モードから切り離す。 注意ベースのマルチインスタンス学習を使用して、ポリシーのロールアウトからどの観察-アクションチャンクが成功か失敗かを自動的に見積もる。 提案したPPGuideを,RobomimicベンチマークとMimicGenベンチマークから,さまざまなタスクセットで検証した。
  論文  参考訳（メタデータ） (2026-03-11T17:10:16Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• A Policy Iteration Approach for Flock Motion Control [5.419608513284392]
  全体的な制御プロセスは、群れの粘着性と局在性を監視しながらエージェントを誘導する。 ここでは、独立したコマンドジェネレータに従うためにエージェント群を誘導するために、オンラインモデルフリーのポリシーイテレーションメカニズムが開発されている。 政策反復機構のシミュレーション結果から,計算労力の少ない高速学習と収束挙動が明らかになった。
  論文  参考訳（メタデータ） (2023-03-17T15:04:57Z)
• Action Shuffling for Weakly Supervised Temporal Localization [22.43209053892713]
  本稿では,行動の秩序感応性と位置感応性を解析する。 それらを自己拡張学習フレームワークに具体化し、弱教師付きアクションローカライゼーション性能を改善する。
  論文  参考訳（メタデータ） (2021-05-10T09:05:58Z)
• 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。