論文の概要: DREAM: Deployment-Time Demonstration Generation via Real-to-Sim for Scalable Policy Adaptation

• arxiv url: http://arxiv.org/abs/2608.29078v1
• Date: Sat, 29 Aug 2026 06:10:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 13:03:36.01281
• Title: DREAM: Deployment-Time Demonstration Generation via Real-to-Sim for Scalable Policy Adaptation
• Title（参考訳）: DREAM: スケーラブルなポリシー適応のためのリアルタイムなデプロイ時デモ生成
• Abstract要約: DREAMは、キャプチャされたワークスペースと言語命令から事前訓練されたVLAの微調整データを生成するフレームワークである。 DREAMがデプロイメントワークスペースのスケーラブルなデータ収集システムとして機能するかどうかを検討する。
• 参考スコア（独自算出の注目度）: 38.76483388693179
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language-action (VLA) models have made strong progress in language-conditioned robot manipulation, but improving their performance in a new workspace still often requires action-labeled data from that environment. Collecting such data by human teleoperation is costly, especially when each workspace, object arrangement, or task may require new demonstrations. We present DREAM, a framework that generates fine-tuning data for a pretrained VLA from a captured workspace and a language instruction, without requiring a task-specific human demonstration. DREAM reconstructs the workspace, automatically translates the instruction into symbolic task goals and success criteria using a large language model, and uses task-and-motion planning to generate feasible robot trajectories. The planned trajectories are augmented across randomized object configurations, verified by the generated success criteria, and rendered into image-action examples for VLA fine-tuning. Through real-robot experiments on language-conditioned manipulation tasks, we study whether DREAM can serve as a scalable data-collection system for the deployment workspace by examining whether fine-tuning on its automatically generated data improves success over direct deployment and how its data-collection cost compares with human teleoperation when adapting a VLA to a new workspace.
• Abstract（参考訳）: 視覚言語アクション(VLA)モデルは、言語条件のロボット操作において大きな進歩を遂げているが、新しい作業空間における性能向上には、その環境からのアクションラベルデータが必要であることが多い。 人間の遠隔操作によってこのようなデータを収集することは、特に各ワークスペース、オブジェクトアレンジメント、タスクが新しいデモを必要とする場合、コストがかかる。 DREAMは、タスク固有の人間のデモンストレーションを必要とせずに、キャプチャされたワークスペースと言語命令から事前訓練されたVLAの微調整データを生成するフレームワークである。 DREAMは、ワークスペースを再構築し、大きな言語モデルを用いて、その命令を象徴的なタスク目標と成功基準に自動的に翻訳し、タスク・アンド・モーション・プランニングを使用して、実現可能なロボット軌道を生成する。 計画された軌道は、ランダム化されたオブジェクト構成にまたがって拡張され、生成された成功基準によって検証され、VLA微調整のためのイメージアクションの例に描画される。 言語条件の操作タスクにおける実ロボット実験を通じて、DREAMは、自動生成したデータの微調整により、直接配置よりも成功率が向上するかどうか、VLAを新しいワークスペースに適応させる際の人的遠隔操作と比較して、どのようにしてデータ収集コストが向上するかを調べることにより、デプロイメントワークスペースのスケーラブルなデータ収集システムとして機能するかを検討する。

関連論文リスト

• Breaking Planner Integrity Boundary: Enviroment State-Text Injection Attack on LLM-Driven Embodied Agents [19.561832878935505]
  本稿では,大規模言語モデル(LLM)駆動型エンボディエージェントに対する環境状態テキストインジェクション(ESTI)攻撃について紹介する。 ESTIは、敵の目的を現在の環境と互換性のある偽の状態証拠として再構成する。 ESTIは既存のベースラインを一貫して上回り、計画レベルと実行レベルの攻撃成功率をそれぞれ89.32%、43.69%改善している。
  論文  参考訳（メタデータ） (2026-08-17T17:02:07Z)
• Task Robustness via Re-Labelling Vision-Action Robot Data [15.985610886484226]
  本稿では,既存のロボットデータセットを拡張可能なスケーラブルなフレームワークであるRe-Labelling Vision-Action Robot Data (TREAD)によるタスクロバストネスについて紹介する。 提案手法では,従来の命令ラベルと初期シーンからセマンティックなサブタスクを生成し,これらのサブタスクに条件付けされたデモビデオを分割し,オブジェクトプロパティを組み込んだ多様なインストラクションを生成する。 以上の結果から,TREADは軌道分解による計画一般化と言語多様性の向上による言語条件付き政策一般化の両立を図っている。
  論文  参考訳（メタデータ） (2026-06-09T14:28:22Z)
• CLARE: Continual Learning for Vision-Language-Action Models via Autonomous Adapter Routing and Expansion [9.808005698482914]
  CLAREは、視覚-言語-アクションモデルによる模範のない連続学習のためのフレームワークである。 CLAREは,従来のタスクを壊滅的に忘れることなく,新しいタスクにおいて高いパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-01-14T14:23:42Z)
• BLAZER: Bootstrapping LLM-based Manipulation Agents with Zero-Shot Data Generation [59.70634559248202]
  BLAZERは、自動生成されたトレーニングデータから操作ポリシーを学ぶフレームワークである。 シミュレーション環境と実環境の両方において、BLAZERはゼロショット操作を大幅に改善することを示す。 私たちのコードとデータはプロジェクトのページで公開されます。
  論文  参考訳（メタデータ） (2025-10-09T17:59:58Z)
• Embodied Long Horizon Manipulation with Closed-loop Code Generation and Incremental Few-shot Adaptation [12.077740860502878]
  身体的ロングホライゾン操作では、ロボットシステムが視覚や自然言語などのマルチモーダル入力を処理し、それらを実行可能なアクションに変換する必要がある。 近年,大規模言語モデル (LLM) を自然言語を用いてタスクをサブタスクに分解し,事前訓練した低レベルコントローラを誘導する高レベルプランナとしての利用が検討されている。 我々のフレームワークは,LoHoRavens,CALVIN,Franka Kitchen,および乱雑な現実世界設定をまたいだ,30以上の多様かつ不明瞭なロングホライゾンタスクに対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-03-27T20:32:58Z)
• Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
  本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。 この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。 本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
  論文  参考訳（メタデータ） (2024-10-16T19:59:31Z)
• LLaRA: Supercharging Robot Learning Data for Vision-Language Policy [56.505551117094534]
  我々はLLaRA: Large Language and Robotics Assistantを紹介した。 まず、既存の行動クローニングデータセットからロボットのための会話スタイルの指導データを生成する自動パイプラインを提案する。 このようなデータセットを限定的に微調整したVLMは、ロボット制御において有意義な行動決定を導出できることを示す。
  論文  参考訳（メタデータ） (2024-06-28T17:59:12Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• ProgPrompt: Generating Situated Robot Task Plans using Large Language Models [68.57918965060787]
  大規模言語モデル(LLM)は、タスク計画中の潜在的な次のアクションを評価するために使用することができる。 本稿では, プログラム型LCMプロンプト構造を用いて, 配置環境間での計画生成機能を実現する。
  論文  参考訳（メタデータ） (2022-09-22T20:29:49Z)

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。