論文の概要: SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies
- arxiv url: http://arxiv.org/abs/2608.31167v1
- Date: Mon, 31 Aug 2026 17:59:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.555206
- Title: SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies
- Title（参考訳）: SUN: 言語を囲むコントロール・ツー・ラーニング・トゥ・リアル・ポリシーのための永続的プログラム
- Abstract要約: 既存のプロトコルはタスクのセマンティクスを廃止し、手作りの報酬と制御が検証したものから逸脱する振る舞いを残している。
本稿では,SUN (Semantically UNified Programs) を導入し,幾何関係と接触関係が一度定義され,整列したモデル予測制御にコンパイルされる型付き実行プログラムについて述べる。
我々のシステムであるKuafuは、言語やシーンのセマンティクスからSUNプログラムを自動で合成し、MPCによる画面表示を実現し、ステージ条件付きポリシーのトレーニング中にセマンティクスを保持する。
- 参考スコア（独自算出の注目度）: 61.941546372624686
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bridging model-based control and learned policies in long-horizon manipulation has harbored a silent disagreement: control executes specified objectives, learning amortizes that behavior into a reactive policy, yet existing protocols discard task semantics, leaving rewards hand-crafted and behavior drifting from what control verified.We introduce Semantically UNified (SUN) Programs, typed executables where geometric and contact relations are defined once and compiled into aligned Model Predictive Control (MPC) costs, satisfaction predicates, RL rewards, transition guards, and diagnostics. Our system, Kuafu, driven by large vision language systems, automatically synthesizes SUN Programs from language and scene semantics, screens feasibility via MPC, and retains semantics while training stage-conditioned policies. Across nine tasks, Kuafu achieves 82.03% macro-success, outperforming sparse-reward (35.67%) and Stage-BC (24.75%) baselines. At 8192-way scale, it generates 10.57x the successful trajectory time per hour of human teleoperation. With 500 trajectories per task, Kuafu data trains DP3 policies to 46.0% simulation success (vs. 22.4% for alternatives) and 34.7% on physical Franka and Kinova robots. These results establish that simulation-screened task semantics can effectively amortize control into robust policies, without demonstrations or manual dense rewards, unifying symbolic planning and data-driven execution.
- Abstract（参考訳）: 制御は、特定の目的を実行し、学習は、その振る舞いを反応的なポリシーに補正するが、既存のプロトコルはタスクのセマンティクスを捨て、手作りの報酬と行動が検証されたものから逸脱する。我々は、セマンティカル統一(SUN)プログラム、幾何学的および接触関係が一度定義され、整列されたモデル予測制御(MPC)コスト、満足度予測、RL報酬、移行ガード、診断にコンパイルされる型付き実行プログラムを導入する。
我々のシステムであるKuafuは、大規模な視覚言語システムによって駆動され、言語やシーンのセマンティクスからSUNプログラムを自動で合成し、MPCを介して実現可能な画面を作成し、ステージ条件付きポリシーを訓練しながらセマンティクスを保持する。
9つのタスクで、クアフは82.03%のマクロ・サクセスを達成し、スパース・リワード(35.67%)とステージ・BC(24.75%)のベースラインを上回った。
8192ウェイスケールで、人間の遠隔操作で1時間あたり10.57倍の軌道時間を生成する。
クアフのデータでは、タスク毎の500トラジェクトリでDP3ポリシーを46.0%のシミュレーション成功(代替品の22.4%)、物理フランカとキノヴァの34.7%にトレーニングしている。
これらの結果は、シミュレーションスクリーニングされたタスクセマンティクスが、実演や手動による報酬なしに、制御を堅牢なポリシーに効果的に改善し、象徴的な計画とデータ駆動実行を統一することができることを証明している。
関連論文リスト
- Modality-Decoupled Federated Learning for Privacy-Preserving Embodied Intelligence in 6G [90.42669277637026]
第6世代(6G)無線ネットワークは、大規模なインボディードインテリジェンスのための重要な基盤を提供すると期待されている。
本稿では、6Gネットワークにおけるプライバシー保護型インテリジェンスのためのモダリティ分離FLフレームワークであるFedMVLAを提案する。
論文 参考訳（メタデータ） (2026-09-09T01:36:44Z) - Bridging Semantics and Physics with Constrained LLMs for Safe and Trustworthy Robotic Manipulation [6.975054201075641]
言語誘導ロボットは、正しいように見える計画を作る以上のことをしなければならない。
計画は、運動と衝突の制約の下で物理的に実現不可能でありながら、言語学的に有効なように見える。
推論実行境界を型付き契約として形式化し、このギャップを埋めます。
論文 参考訳（メタデータ） (2026-08-29T17:26:20Z) - Task-Conditioned Least-Privilege Learning for Executable Terminal and MCP Agents [45.88028371034407]
ツールを使用する大規模言語モデルエージェントは、ユーザが許可しなかったり、タスクが不要であったりする権限を行使しながらタスクを完了することができる。
本研究では,6次元のリスクを伴って各行動が実行前および観測結果から監査される枠組みを提案する。
このフレームワークを1500以上のタスクでQwen3.5-4Bでトレーニングした後、選択された種子は2,896回の評価エピソードで98.48%の安全成功に達した。
論文 参考訳（メタデータ） (2026-08-18T22:07:23Z) - Strategic Evaluation of Planning Strategies for LLM Agents in Cyber-Physical Systems [0.0]
計画誘導制御トラジェクトリを中心に構築されたベンチマークを導入する。
スマートグリッドの需要応答システムにシーケンシャルで階層的で検索エグゼクティブを実装している。
強制探索は5つの基本種子のオラクルであることを示す。
論文 参考訳（メタデータ） (2026-08-04T22:52:21Z) - PACT: Self-Evolving Physical Safety Alignment for Diffusion Policies in Embodied Manipulation [38.43792325467372]
既存のアプローチでは、トレーニング中に早期に安全を課すか、テスト時に外部ガードレールを介して反応する。
本研究では,制約可能な領域に事前の拡散政策を立案する自己進化型ポストトレーニングフレームワークである,制約付き軌道の物理安全アライメント(PACT)を提案する。
シミュレーションおよび実世界の実施された操作ベンチマークでは、PACTは安全性違反を平均で31.0%削減し、タスク成功を30.7%改善した。
論文 参考訳（メタデータ） (2026-06-07T02:27:53Z) - SignalClaw: LLM-Guided Evolutionary Synthesis of Interpretable Traffic Signal Control Skills [8.299375016847524]
交通信号制御TSCは、展開に効果的かつ解釈可能な戦略を必要とする。
本稿では,大規模言語モデルを進化的スキルジェネレータとして利用するフレームワークであるSIGNALCLAWを紹介する。
それぞれのスキルには、合理性、選択指導、実行可能なコードが含まれており、ポリシーを人間の検査可能、自己文書化します。
論文 参考訳（メタデータ） (2026-04-07T07:35:45Z) - Verified Critical Step Optimization for LLM Agents [67.05296684575445]
クリティカルステップ最適化は、検証されたクリティカルステップに優先学習を集中する。
メソッドは、専門家のデモンストレーションではなく、失敗するポリシーの軌道から始まります。
GAIA-Text-103とXBench-DeepSearchの実験では、CSOはSFTベースラインよりも37%、相対的に26%改善している。
論文 参考訳（メタデータ） (2026-02-03T11:41:02Z) - Learning Policy Representations for Steerable Behavior Synthesis [80.4542176039074]
マルコフ決定プロセス(MDP)を前提として,テスト時の行動ステアリングを促進するために,さまざまなポリシーの表現を学習する。
これらの表現は、セットベースアーキテクチャを用いて、様々なポリシーに対して均一に近似できることを示す。
変動生成法を用いてスムーズな潜伏空間を導出し,さらにコントラスト学習により、潜伏距離が値関数の差と一致するように形成する。
論文 参考訳（メタデータ） (2026-01-29T21:52:06Z) - Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer [59.02729900344616]
GPUを加速したフォトリアリスティックなシミュレーションは、ロボット学習のためのスケーラブルなデータ生成パスを開いた。
視覚に基づくヒューマノイドロコ操作のための教師-学生-ブートストラップ学習フレームワークを開発した。
これは、純粋なRGB知覚を用いた多様な調音ロコ操作が可能な初めてのヒューマノイド・シム・トゥ・リアル政策である。
論文 参考訳（メタデータ） (2025-11-30T20:07:13Z) - 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) - Local Policies Enable Zero-shot Long-horizon Manipulation [80.1161776000682]
ManipGenを紹介します。これはsim2real転送のための新しいポリシーのクラスであるローカルポリシーを活用します。
ManipGenは、SayCan、OpenVLA、LLMTrajGen、VoxPoserといったSOTAアプローチを、50の現実世界操作タスクで36%、76%、62%、60%で上回っている。
論文 参考訳（メタデータ） (2024-10-29T17:59:55Z)
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。