論文の概要: Betting for Sim-to-Real Performance Certificates
- arxiv url: http://arxiv.org/abs/2608.21572v1
- Date: Fri, 21 Aug 2026 19:20:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.294178
- Title: Betting for Sim-to-Real Performance Certificates
- Title（参考訳）: Sim-to-Real Performance Certificates の賭け
- Abstract要約: 本稿では,シミュレータのバンクを有効賭けにリンクするアルゴリズムを開発し,蓄積した賭け富を証明に結びつける。
実験により、提案された手法は、古典的および最先端のベースラインに対して、証明書を511.6%pm16%$、非常に限られたサンプル体制において32.26%pm8%$で絞り込む。
- 参考スコア（独自算出の注目度）: 6.3716852889096325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consider a typical test of a robot system: one observes a sequence of outcomes concerning some aspect of interest (crash or no crash, tracking error, time to completion), and reports a mean (crash risk, average error, mean time to completion) and, more importantly, an interval guaranteed to contain that mean at a prescribed confidence, referred to as a performance certificate. Given expensive real-world trials, the sample size is therefore small, and the certificate is often loose. Now consider the same procedure, except that before each real outcome is revealed, the operator ``peeks'' at a large bank of simulated results, and places a bet on where the real outcome will land. As the real outcomes settle the bets, the operator gains or loses wealth. One's ``trust'' over simulators also shifts within the portfolio. This paper develops that idea into a sim-to-real betting certificate framework with three contributions: (i) An algorithm that links a scalable bank of simulators to effective bets, and the accumulated betting wealth to the certificate. (ii) A proof that the returned certificate is anytime valid, covering the true mean with the prescribed probability, using any simulator bank. (iii) The guaranteed wealth-regret bounds yield configuration principles for the proposed algorithm and simulator bank design to deliver tight certificates. Experiments across synthetic distributions and real-world robot tests, covering both replayed standardized testing outcomes and online runtime evaluation, show the proposed method narrows the certificate by $51.6\%\pm16\%$ against classic and state-of-the-art baselines, and by $32.26\%\pm8\%$ in the extremely limited-sample regime ($\leq30$ samples).
- Abstract（参考訳）: ロボットシステムの典型的なテストを考える: ある関心事(クラッシュ、事故、追跡エラー、完了までの時間)に関する一連の結果を観察し、平均(クラッシュリスク、平均エラー、平均完了までの時間)を報告し、さらに重要なことは、その平均を所定の信頼度で保持することが保証された区間をパフォーマンス証明書と呼ぶ。
高価な実世界の試行のために、サンプルのサイズは小さく、証明書はしばしば緩い。
さて、それぞれの実際の結果が明らかになる前に、オペレーター '‘peeks'' がシミュレーション結果の大きなバンクにいて、実際の結果がどこに着くかを賭けることを除いて、同じ手順を考えよう。
実際の成果が賭けを決着させると、オペレーターは富を獲得または失う。
シミュレータ上での ``trust'' もポートフォリオ内でシフトする。
本稿では,そのアイデアを3つのコントリビューションを持つ,シミュレート・トゥ・リアルベッティング・証明書・フレームワークへと発展させる。
一 スケーラブルなシミュレータのバンクを有効賭けにリンクし、蓄積したベット富を証明書に結び付けるアルゴリズム。
2 返却証明書がいつでも有効であることの証明であって、当該真の平均を任意のシミュレータバンクを用いて所定の確率で覆うこと。
三 保証された富裕境界は、提案したアルゴリズムの構成原則と、厳密な証明書を提供するための銀行設計のシミュレータとなる。
リプレイされた標準テスト結果とオンラインランタイム評価の両方をカバーする、合成分布と実世界のロボットテストにわたる実験では、提案手法は、古典的および最先端のベースラインに対して51.6\%\pm16\%$、非常に制限されたサンプル体制(サンプル)において32.26\%\pm8\%$で証明書を狭める。
関連論文リスト
- Counterfactual Shapley Credit Assignment [49.39649767581182]
クレディ・アサインメント・問題(CAP)は、効率的かつ説明可能な強化学習(RL)エージェントを開発するための基礎である。
対実共有($-value)を通じて信用と責任を判断する新しい枠組みである対実共有($-value)を導入する。
我々は、$$-valuesを計算し、優先順位付き軌道再生(PTR)と組み合わせた新しいポリシーメソッドのクラス$-PPOを可能にする一貫した推定器を導出する。
論文 参考訳（メタデータ） (2026-07-18T23:28:20Z) - Best-Arm Identification with Generative Proxy [10.674965991983974]
固定信頼度ベストアーム識別法について検討し,各報酬の引き分けを,安価だが相関の取れたプロキシスコアと組み合わせて検討した。
本稿では,最小二乗法に適合する残差の上限値を維持する位相除去アルゴリズム PROBE を提案する。
我々は PROBE が$-PAC であり、一定の乗算係数と一定の加法キャリブレーションコストまで、既知の相関オラクルサンプルの複雑さが得られることを証明した。
論文 参考訳（メタデータ） (2026-07-08T00:41:43Z) - Sim-to-Real Betting on the E-Process: Bringing "simulators" to anytime-valid confidence sequences [6.3716852889096325]
このノートでは、sim-to-realパフォーマンスの見積もりとベッティング、そして安全で有意な推論の統合について記述する。
本手法は,ロボットの性能試験において特に有用である平均推定のための,効率的で信頼性の高い証明書を生成する。
論文 参考訳（メタデータ） (2026-06-23T00:38:41Z) - Certified Finite-Shot Operating Windows for Virtual Distillation and Symmetry Verification [0.0]
仮想蒸留 (VD) と対称性検証 (SV) で比較可能な有限ショット動窓理論を開発した。
VD の場合、この法則は商推定器の統計バイアスと分母不安定性を捉え、商が信頼できる範囲を超えてサンプルサイズを特定する濃度証明書を定めている。
SVでは、検出不能なエラーによって残されたバイアスフロアと、受信確率によって設定されたサンプリングペナルティを分離する。
論文 参考訳（メタデータ） (2026-06-13T20:42:40Z) - Conformal Reliability: A New Evaluation Metric for Conditional Generation [62.761166941396844]
条件付き生成モデルは、近年、様々な応用において顕著な成功を収めている。
本稿では,信頼度を事前に設定した予測値に基づいて,信頼度という新たな評価指標を提案する。
本稿では, 予測セットの構築と, (ii) 構築した予測セット内の信頼性スコアを正確に最適化するフレームワークであるConformal Reliability(CReL)を紹介する。
論文 参考訳（メタデータ） (2026-05-29T03:52:44Z) - Betting for Sim-to-Real Performance Evaluation [5.669264620577287]
我々は、ベッティング機構が正確かつ効率的に推定できる理論条件を開発する。
これらの近似ベッティング戦略が意図通りに機能している場合に診断する具体的な決定ルールを提供する。
また,ロボットマニピュレータの実際のピック・アンド・プレイス精度を推定するために,合成分布群を用いた実例を示した。
論文 参考訳（メタデータ） (2026-04-27T03:58:50Z) - ZIP-RC: Optimizing Test-Time Compute via Zero-Overhead Joint Reward-Cost Prediction [57.799425838564]
ZIP-RCは、モデルに報酬とコストのゼロオーバーヘッド推論時間予測を持たせる適応推論手法である。
ZIP-RCは、同じまたはより低い平均コストで過半数投票よりも最大12%精度が向上する。
論文 参考訳（メタデータ） (2025-12-01T09:44:31Z) - Probabilistically Tightened Linear Relaxation-based Perturbation Analysis for Neural Network Verification [83.25968588249776]
本稿では,LiRPAに基づく手法とサンプリングに基づく手法を組み合わせることで,厳密な中間到達性集合を計算できる新しいフレームワークを提案する。
無視可能な計算オーバーヘッドでは、$textttPT-LiRPA$は推定された到達可能な集合を利用し、ニューラルネットワークの出力の上下線形境界を著しく締め付ける。
論文 参考訳（メタデータ） (2025-07-07T18:45:53Z) - Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。
我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
論文 参考訳（メタデータ） (2025-03-07T08:41:53Z) - Getting a-Round Guarantees: Floating-Point Attacks on Certified Robustness [19.380453459873298]
敵の例は、わずかな入力摂動によって機械学習分類器の決定を変更できるため、セキュリティリスクを引き起こす。
これらの保証は、ラウンドエラーを引き起こす浮動小数点表現の制限により無効化可能であることを示す。
この攻撃は、正確な認証保証を持つ線形分類器や、保守的な認証を持つニューラルネットワークに対して実行可能であることを示す。
論文 参考訳（メタデータ） (2022-05-20T13:07:36Z) - Almost Tight L0-norm Certified Robustness of Top-k Predictions against
Adversarial Perturbations [78.23408201652984]
トップk予測は、マシンラーニング・アズ・ア・サービス、レコメンダ・システム、Web検索など、多くの現実世界のアプリケーションで使用されている。
我々の研究はランダム化平滑化に基づいており、入力をランダム化することで、証明可能なロバストな分類器を構築する。
例えば、攻撃者がテスト画像の5ピクセルを任意に摂動できる場合に、ImageNet上で69.2%の認定トップ3精度を達成する分類器を構築することができる。
論文 参考訳（メタデータ） (2020-11-15T21:34:44Z)
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。