論文の概要: Reward-Free Continual Adaptation for Resilient Space Robots

• arxiv url: http://arxiv.org/abs/2608.23452v1
• Date: Mon, 24 Aug 2026 16:23:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.195996
• Title: Reward-Free Continual Adaptation for Resilient Space Robots
• Title（参考訳）: レジリエント宇宙ロボットの逆フリー連続適応
• Abstract要約: 我々は、潜在状態の世界モデルを活用した報酬なし連続学習フレームワークを導入する。 我々は, 惑星, 軌道航法, 高精度な組立作業に対して, 重大な形態的故障を負ったアプローチを実証した。
• 参考スコア（独自算出の注目度）: 0.18206461789819073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Space robots operate in extreme environments where hardware degradation can critically compromise traditional control strategies. While continual reinforcement learning offers a promising mechanism for online adaptation, it inherently requires access to a reward signal during deployment. However, precise reward computation in space is often infeasible due to the lack of external tracking systems and the overall complexity of the environment. To address the challenge of unobservable rewards, we introduce a reward-free continual learning framework that leverages latent-state world models. By pre-training a model-based agent across diverse simulations, the world model learns a robust predictor of the reward structure within its latent space. Upon deployment to an environment with severe hardware degradation, we freeze the observation encoder and reward predictor to update only the transition dynamics of the world model through unsupervised rollouts. By training the policy entirely on imagined trajectories generated by this updated world model, the agent adapts to altered dynamics without receiving new rewards. We demonstrate our approach across simulated planetary traversal, orbital navigation, and precision assembly tasks subjected to severe morphological failures.
• Abstract（参考訳）: 宇宙ロボットは、ハードウェアの劣化が従来の制御戦略を著しく損なうような極端な環境で動作します。 継続的強化学習は、オンライン適応のための有望なメカニズムを提供するが、本質的には、デプロイメント中に報酬信号にアクセスする必要がある。 しかし、空間における正確な報酬計算は、外部追跡システムの欠如と環境の全体的な複雑さのため、しばしば実現不可能である。 予測不能な報酬の課題に対処するために,潜在状態の世界モデルを活用した報酬なし連続学習フレームワークを導入する。 様々なシミュレーションにまたがるモデルベースエージェントを事前学習することにより、世界モデルはその潜在空間内の報酬構造の堅牢な予測子を学習する。 ハードウエア劣化の激しい環境に展開すると、監視エンコーダと報奨予測器を凍結し、教師なしロールアウトを通じて世界モデルの遷移ダイナミクスのみを更新する。 この更新された世界モデルによって生成された想像上の軌道で、ポリシーを完全に訓練することで、エージェントは新しい報酬を受け取らずに変化したダイナミクスに適応する。 本研究は, 惑星軌道, 軌道航法, 高精度組立作業において, 深刻な形態的故障を受けた場合のアプローチを実証する。

関連論文リスト

• GeniWorld: A Generalizable Interactive World Model for Robotic Manipulation via Visual Actions [25.431221165541874]
  汎用的なロボット政策は強力な能力を示すが、複雑で見えない環境での頑丈さは依然として限られている。 我々は、見えないシナリオにまたがって堅牢に一般化するロボットのためのインタラクティブな世界モデルGeniWorldを紹介する。
  論文  参考訳（メタデータ） (2026-08-06T17:40:32Z)
• Predictive Training with Latent Imagination for Visual Quadruped Navigation [2.687590979817173]
  脚付きロボットの強化学習ナビゲーションポリシーは、現在の観測と短期記憶から反応的に行動を選択する。 トレーニング中にポリシーの繰り返し状態に適用される軽量な予測監督は、推論時コントローラを変更することなく予測障害ダイナミクスを符号化することができる。 動的障害物を伴うシミュレーションおよび実世界のナビゲーションベンチマークにおいて,予測学習信号のみでの衝突速度を低減しつつ,ナビゲーションの成功を著しく改善する。
  論文  参考訳（メタデータ） (2026-07-20T05:33:22Z)
• 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)
• SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
  本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。 我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。 高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
  論文  参考訳（メタデータ） (2026-06-22T15:00:59Z)
• Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
  Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。 表現の崩壊を防ぎ、アクション整列表現を誘導する。 コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
  論文  参考訳（メタデータ） (2026-06-18T11:25:16Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• OrbitZoo: Real Orbital Systems Challenges for Reinforcement Learning [40.29941617237491]
  OrbitZooは、多機能なマルチエージェントRL環境であり、高忠実度業界標準ライブラリ上に構築されている。 衝突回避や協調操作のようなシナリオをサポートし、ロバストで正確な軌道力学を保証する。 実際の衛星星座であるスターリンクに対して検証され、実際のデータと比較すると平均絶対パーセンテージ誤差(MAPE)は0.16%に達する。
  論文  参考訳（メタデータ） (2025-04-05T12:44:21Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。 スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• Mitigating Covariate Shift in Imitation Learning for Autonomous Vehicles Using Latent Space Generative World Models [60.87795376541144]
  World Model(ワールドモデル)は、エージェントの次の状態を予測できるニューラルネットワークである。 エンド・ツー・エンドのトレーニングでは、人間のデモで観察された状態と整合してエラーから回復する方法を学ぶ。 クローズドループ試験における先行技術に有意な改善がみられた定性的,定量的な結果を示す。
  論文  参考訳（メタデータ） (2024-09-25T06:48:25Z)

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。