論文の概要: SleepWalking: Privileged Representation Shaping for End-to-End Blind Locomotion in Legged Robots
- arxiv url: http://arxiv.org/abs/2608.30883v1
- Date: Mon, 31 Aug 2026 14:42:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.450485
- Title: SleepWalking: Privileged Representation Shaping for End-to-End Blind Locomotion in Legged Robots
- Title（参考訳）: スリープウォーキング:脚のついたロボットの終端から終端までの移動のための主観的表現整形
- Abstract要約: SleepWalking for Robot Locomotion (SWAQ)は、ポリシー学習のためのエンドツーエンドフレームワークである。
我々は,SWAQがDWAQよりも高いピーク平均地形レベルを達成することを示す。
その結果, 意味論的目的は, 配置したコントローラのアーキテクチャ的分解を必要とせずに, 学習を構造化できる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 18.664121707525556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Partially observable locomotion requires a policy to act when task-relevant properties of the robot--environment state are not fully specified by instantaneous observations. Existing approaches often address this challenge by explicitly estimating missing physical variables or processing extended observation histories through structured architectures. We take a different view: partial observability is fundamentally an information-retention problem. The decisive question is not how task-relevant information enters the network, but whether the policy's internal state retains it. Guided by this perspective, we propose SleepWalking for Robot Locomotion (SWAQ), a one-stage end-to-end framework that uses next-step privileged physical reconstruction to shape what a recurrent history representation retains during policy learning, while the deployed actor uses only a direct history-to-action pathway. Under aligned training settings, SWAQ achieves a 15.0\% higher peak mean terrain level than DWAQ, the strongest non-exteroceptive baseline, while using 44.4\% fewer inference MACs per control step. Layerwise probes further show that information associated with the reconstructed physical variables remains linearly decodable through the policy head up to the layer preceding the action output. Complementary theoretical analysis relates privileged-variable recoverability to the achievable-return gap between history-based and privileged-information policy classes. These results suggest that semantic objectives can structure learning without requiring a corresponding architectural decomposition of the deployed controller.
- Abstract（参考訳）: 部分的に観察可能な移動には、ロボットのタスク関連特性が即時観察によって完全に特定されない場合に行動するポリシーが必要である。
既存のアプローチでは、欠落した物理変数を明示的に推定したり、構造化アーキテクチャを通して拡張された観測履歴を処理することで、この課題に対処することが多い。
部分的な可観測性は基本的に情報保持の問題です。
決定的な問題は、どのようにタスク関連情報がネットワークに入るかではなく、ポリシーの内部状態がそれを保持するかどうかである。
この観点から、我々は、ポリシー学習中に繰り返し履歴表現が保持するものを形作るために、次段階の特権的物理再構成を利用するワンステージエンドツーエンドフレームワークであるSleepWalking for Robot Locomotion (SWAQ)を提案する。
整列したトレーニング設定の下では、SWAQはDWAQよりも15.0\%高いピーク平均地形レベルを達成し、制御ステップ当たり44.4\%の推論MACを使用する。
レイヤーワイズプローブは、再構成された物理変数に関連する情報が、アクション出力の前の層までポリシーヘッドを通して線形にデオード可能であることを示す。
補完的理論的分析は、歴史に基づくクラスと特権情報ポリシークラスの間の達成可能なリターンギャップに対する特権変数の回復可能性に関連する。
これらの結果から, 意味論的目的は, 配置したコントローラのアーキテクチャ的分解を必要とせずに, 学習を構造化することができることが示唆された。
関連論文リスト
- Geometric Distributional Control: Learning Progress with Partial Structural Knowledge [6.099441855983951]
予測的最適化とモデルベース制御は、動的、パラメータ、目的、オンライン計画モデルが指定されたときに強力である。
強化学習はこの要件を緩和することができるが、シーケンシャルなデータと相互作用から長い水平値の信号を推測する必要がある。
この中間体制は、自動運転、倉庫ロボット、交通制御、配送ドローンを含むシステムで一般的である。
幾何分布制御(GDC)はこの部分的知識設定のために設計されており、制御を実現可能性と進歩に分解する。
論文 参考訳（メタデータ） (2026-09-06T01:39:05Z) - Inference-Time Robot Behavior Steering through Physically-Aware Reconfiguration of Task-Structure [13.442250004542581]
ReStructは、オブジェクト中心の仕様から時間論理的な制約まで、幅広い好みを操縦します。
タスクの成功と選好フォローの両方でVLAモデルを上回る。
論文 参考訳（メタデータ） (2026-06-25T04:20:08Z) - PRTS: A Primitive Reasoning and Tasking System via Contrastive Representations [66.94988600664574]
我々は,目標達成型強化学習を通じて事前学習を再構築するVLA基盤モデルであるtextbfPRTS(textbfPrimitive textbfReasoning and textbfTasking textbfSystem)を提案する。
論文 参考訳（メタデータ） (2026-04-30T06:14:02Z) - Referring-Aware Visuomotor Policy Learning for Closed-Loop Manipulation [91.20850436220267]
Referring-Aware Visuomotor Policy(ReV)について紹介する。
ReVは、人間または高レベルの推論プランナーによって提供されるスパース参照ポイントを組み込む。
これは、専門家のデモンストレーションにターゲットの摂動を適用することでのみ訓練される。
論文 参考訳（メタデータ） (2026-04-07T07:41:11Z) - Anticipatory Reinforcement Learning: From Generative Path-Laws to Distributional Value Functions [0.0]
本稿では,非マルコフ決定プロセスと古典的強化学習アーキテクチャのギャップを埋める新しいフレームワークである予測強化学習(ARL)を紹介する。
ジャンプ拡散と構造破壊によって特徴づけられる環境では、伝統的な状態に基づく手法は、正確なフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアフォアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホアホ
論文 参考訳（メタデータ） (2026-04-06T13:15:44Z) - See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。
SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。
SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文 参考訳（メタデータ） (2026-03-10T07:22:51Z) - TrajBooster: Boosting Humanoid Whole-Body Manipulation via Trajectory-Centric Learning [79.59753528758361]
両足のVLAを促進するために、豊富な車輪付きヒューマノイドデータを活用するクロス・エボディメント・フレームワークであるTrajBoosterを提案する。
私たちのキーとなる考え方は、形態素に依存しないインターフェースとして、エンドエフェクタ・トラジェクトリを使用することです。
以上の結果から,TrajBoosterは既存の車輪付きヒューマノイドデータにより,二足歩行ヒューマノイドVLAの性能を効率的に向上させることができることがわかった。
論文 参考訳（メタデータ） (2025-09-15T12:25:39Z) - Zero-Shot Whole-Body Humanoid Control via Behavioral Foundation Models [71.34520793462069]
教師なし強化学習(RL)は、複雑な環境下で幅広い下流タスクを解くことができる事前学習エージェントを目標としている。
本稿では,ラベルのない行動データセットからトラジェクトリを模倣するための,教師なしRLの正規化アルゴリズムを提案する。
我々は,この手法の有効性を,挑戦的なヒューマノイド制御問題において実証する。
論文 参考訳（メタデータ） (2025-04-15T10:41:11Z) - Foundation Policies with Hilbert Representations [54.44869979017766]
ラベルなしオフラインデータから一般ポリシーを事前学習するための教師なしフレームワークを提案する。
我々の重要な洞察は、基盤となる環境の時間的構造を保存する構造的表現を学習することである。
実験の結果、教師なしのポリシーは、ゴール条件付きおよび一般のRLタスクをゼロショットで解決できることがわかった。
論文 参考訳（メタデータ） (2024-02-23T19:09:10Z) - Let Offline RL Flow: Training Conservative Agents in the Latent Space of
Normalizing Flows [58.762959061522736]
オフライン強化学習は、追加の環境相互作用なしに、事前に記録された、固定されたデータセット上でポリシーをトレーニングすることを目的としている。
我々は、最近、潜在行動空間における学習ポリシーを基礎として、生成モデルの構築に正規化フローの特別な形式を用いる。
提案手法が最近提案したアルゴリズムより優れていることを示すため,様々な移動タスクとナビゲーションタスクについて評価を行った。
論文 参考訳（メタデータ） (2022-11-20T21:57:10Z)
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。