論文の概要: Measuring Language Transfer in Robot Policies: Adding Greek to a Cosmos3 Vision-Language-Action Policy

• arxiv url: http://arxiv.org/abs/2609.07470v1
• Date: Mon, 07 Sep 2026 13:24:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.430802
• Title: Measuring Language Transfer in Robot Policies: Adding Greek to a Cosmos3 Vision-Language-Action Policy
• Title（参考訳）: ロボット政策における言語伝達の測定 -コスモス3にギリシア語を加える-
• Abstract要約: 我々は,機械式命令のみを用いて,オープンな視覚-言語-アクションスタックへのギリシア語の追加について検討し,アーキテクチャの変更はない。 いくつかのもっともらしい楽器は、誤った結論を導き出す。 バイリンガルトレーニングは、その制御に一貫した6.7-7.1ポイントのマージンを与える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robot foundation models are trained and evaluated predominantly in English, and robot demonstration corpora do not exist for most languages. We study the addition of Greek to an open vision-language-action stack using only machine-rephrased instructions and no architecture changes. The main challenge is measurement rather than translation. Several plausible instruments produce false conclusions: a color-histogram metric rewards noise, a single-goal benchmark scores 84.6% under correct Greek and 82.6% under deliberately wrong instructions, training loss fails to predict Greek success, and single-run comparisons are dominated by seed variation. On a discriminative ninety-task suite with three seeds per arm, a multilingual text tower without Greek demonstrations remains at its wrong-instruction floor, while Greek-only training exceeds its control by at most 2.7 points. Bilingual training yields a consistent 6.7-7.1 point margin over its control and reaches about two fifths of English performance. The policy also overfits the translator's phrasing; training on seven phrasings per task approximately halves this penalty. Warm-starting from a language-adapted world model and unfreezing the text tower both degrade performance. The results support two practical requirements for low-resource robot-policy localization: build a guaranteed null before trusting a metric, and replicate low-resource-language results across seeds.
• Abstract（参考訳）: ロボット基礎モデルは英語で訓練・評価されており、ほとんどの言語ではロボット実証コーパスは存在しない。 我々は,機械式命令のみを用いて,オープンな視覚-言語-アクションスタックへのギリシア語の追加について検討し,アーキテクチャの変更はない。 主な課題は、翻訳よりも計測である。 カラーヒストグラムメートル法はノイズを報いる シングルゴールのベンチマークスコアは84.6%で正しいギリシャ語では84.6%、意図的に間違った指示では82.6%であり、トレーニングの損失はギリシア語の成功を予測するのに失敗し、シングルランの比較は種差によって支配される。 片腕に3つの種を持つ差別的な90タスクのスイートでは、ギリシャ語によるデモンストレーションのない多言語テキストタワーが間違った命令フロアに残っているが、ギリシャ語のみのトレーニングは少なくとも2.7ポイントのコントロールを超えている。 バイリンガルトレーニングは、そのコントロールに対して一貫した6.7-7.1ポイントのマージンを獲得し、イングランドのパフォーマンスの約5分の2に達する。 この方針は翻訳者の言い回しにも相応しく、1タスクあたりの7つの言い回しの訓練は、このペナルティをほぼ半分にしている。 言語に適応した世界モデルからウォームスタートし、テキストタワーを凍結する。 結果は、基準を信頼する前に保証されたnullを構築すること、種子間で低リソースの成果を複製することの2つの実用的な要件をサポートする。

関連論文リスト

• Building a Production Greek-English Speech Recognizer [0.0]
  ソフィア (Sophea) はギリシャ語と英語の自動音声認識システムである。 ギリシャ語と英語の単語誤り率,言語識別,幻覚を含む9つの生産ゲートに対して,非音声音声に対するシステムの評価を行った。
  論文  参考訳（メタデータ） (2026-09-11T20:02:57Z)
• M-GATE: Multilingual Grammar, Accuracy in Translation, and Efficiency Benchmark for Large Language Models [0.0]
  M-GATE(英語: M-GATE)は、30言語にまたがる言語能力のベンチマークである。 80以上の構成で50以上のモデルを評価しました。
  論文  参考訳（メタデータ） (2026-08-04T15:16:05Z)
• Making Large Language Models Speak Tulu: Structured Prompting for an Extremely Low-Resource Language [1.0742675209112622]
  制御プロンプト下では,構造化プロンプトだけで基本的な会話能力を引き出すことができるかを検討する。 我々は、明示的な文法文書、関連する言語からの高確率トークンの抑制のための負の制約、ロマン化標準化、そして自己再生による品質制御された合成データ生成を組み合わせる。 本手法は,85%の精度で語彙汚染を80%から5%に低減する。
  論文  参考訳（メタデータ） (2026-02-17T06:20:09Z)
• LinguaMap: Which Layers of LLMs Speak Your Language and How to Tune Them? [3.809788214307542]
  多言語転送ボトルネックと言語一貫性ボトルネックという,2つの重要な障害モードを特定し,特徴付ける。 我々はロジットレンズ解析を拡張し、言語確率層を層単位で追跡し、隠れ状態の言語間セマンティックな類似性を計算する。 これは、効率的な多言語適応のために言語制御の層局所化を利用する最初のアプローチである。
  論文  参考訳（メタデータ） (2026-01-27T19:38:12Z)
• Crossing the Threshold: Idiomatic Machine Translation through Retrieval Augmentation and Loss Weighting [66.02718577386426]
  慣用的な翻訳と関連する問題を簡易に評価する。 我々は,変圧器をベースとした機械翻訳モデルが慣用的な翻訳に対して正しくデフォルトとなる点を明らかにするための合成実験を行った。 自然慣用句の翻訳を改善するために, 単純かつ効果的な2つの手法を導入する。
  論文  参考訳（メタデータ） (2023-10-10T23:47:25Z)
• The Best of Both Worlds: Combining Human and Machine Translations for Multilingual Semantic Parsing with Active Learning [50.320178219081484]
  人文翻訳と機械翻訳の両方の長所を生かした能動的学習手法を提案する。 理想的な発話選択は、翻訳されたデータの誤りとバイアスを著しく低減することができる。
  論文  参考訳（メタデータ） (2023-05-22T05:57:47Z)
• On the Off-Target Problem of Zero-Shot Multilingual Neural Machine Translation [104.85258654917297]
  識別対象言語信号の符号化に失敗すると、オフターゲットとなり、語彙距離が近くなることが判明した。 多言語語彙構築のための言語認識語彙共有(LAVS)を提案する。 我々は11言語で多言語機械翻訳ベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2023-05-18T12:43:31Z)
• No Language Left Behind: Scaling Human-Centered Machine Translation [69.28110770760506]
  低レベルの言語と高レベルの言語のパフォーマンスギャップを狭めるためのデータセットとモデルを作成します。 何千ものタスクをトレーニングしながらオーバーフィッティングに対処するために,複数のアーキテクチャとトレーニングの改善を提案する。 本モデルでは,従来の最先端技術と比較して,BLEUの44%の改善を実現している。
  論文  参考訳（メタデータ） (2022-07-11T07:33:36Z)
• Emergent Communication Pretraining for Few-Shot Machine Translation [66.48990742411033]
  我々は、参照ゲームからの創発的コミュニケーションを介してニューラルネットワークを事前訓練する。 私たちの重要な前提は、実世界の環境の粗悪な近似として、画像に基づくコミュニケーションを基盤にすることで、帰納的に自然言語学習のモデルに偏りが生じる、ということです。
  論文  参考訳（メタデータ） (2020-11-02T10:57:53Z)
• Towards Zero-shot Learning for Automatic Phonemic Transcription [82.9910512414173]
  より難しい問題は、トレーニングデータをゼロにする言語のための音素変換器を構築することだ。 我々のモデルは、トレーニングデータなしで、ターゲット言語で見知らぬ音素を認識できる。 標準的な多言語モデルよりも平均して7.7%の音素誤り率を実現している。
  論文  参考訳（メタデータ） (2020-02-26T20:38:42Z)

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。