論文の概要: DISEIL: Demonstration Distillation for Sample-Efficient Imitation Learning

• arxiv url: http://arxiv.org/abs/2609.08123v1
• Date: Tue, 08 Sep 2026 01:59:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.549533
• Title: DISEIL: Demonstration Distillation for Sample-Efficient Imitation Learning
• Title（参考訳）: DISEIL: サンプル効率のよい模倣学習のための実証蒸留法
• Abstract要約: DISEILは、まずポリシーが信頼できなくなるステップで、失敗した各エピソードをマークします。 視覚言語モデルと言語モデルは選択したモードを読み、次のデモの要求を書きます。 ロボットアクションを生成するモデルは存在しない。
• 参考スコア（独自算出の注目度）: 9.120174319083656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A robot that can be taught a new task from a handful of demonstrations has to work out for itself what it still cannot do, and then ask for exactly that. Interactive imitation learning takes a step in that direction by letting a policy practice on its own and calling an expert when it goes wrong. Existing methods decide when to interrupt the learner. A further 2 decisions are left to whichever episode happened to trigger the interruption: which failure to correct, and where the demonstration should start. This paper is a first attempt at making both of them deliberately. DISEIL (Demonstration dIstillation for Sample-Efficient Imitation Learning) marks each failed episode at the step where the policy first becomes unreliable, represents that moment with a geometric descriptor, and groups the failures into recurring failure modes. A vision-language model and a language model read the selected mode and write a request for the next demonstration, and a store of task constraints checks that the request can be carried out before any expert time is spent. No model produces a robot action. Across 5 simulated tasks under state and image observations, changing only what the expert is asked for gives the highest mean held-out success rate in all 10 settings, with a tie in 1, and the margin is widest at the smallest budget we tested. The scope is narrow: a single round of practice at a time, in simulation, with experts that are mostly scripted. The longer-term aim is a learner that also tracks what its demonstration set already covers, and that asks a human teacher for the missing behavior in proportion to the effort each request costs them.
• Abstract（参考訳）: いくつかのデモから新しいタスクを教えることができるロボットは、まだ何ができないのかを自分で調べて、正確にそれを尋ねる必要がある。 インタラクティブな模倣学習は、方針を自分自身で実践し、それがうまくいかなかったら専門家を呼ぶことによって、その方向に一歩踏み出します。 既存の方法はいつ学習者を中断させるかを決定する。 さらに2つの決定が、どのエピソードが中断をトリガーするか、どの障害を正さないか、どこでデモを開始するべきか、という2つの決定に残される。 この論文は二人を故意に作ろうとする最初の試みである。 DISEIL(Demonstration dIstillation for Sample-Efficient Imitation Learning)は、各失敗エピソードを、まずポリシーが信頼できない段階にマークし、幾何学的記述子でその瞬間を表現し、失敗を繰り返し失敗モードにグループ化する。 視覚言語モデルと言語モデルは、選択したモードを読み、次のデモの要求を書き、タスク制約のストアは、専門家が時間を費やす前に要求が実行可能であることをチェックする。 ロボットアクションを生成するモデルは存在しない。 状態とイメージの観察の下でシミュレーションされた5つのタスクに対して、専門家が求めるものだけを変更することで、すべての10設定で平均的な成功率が得られます。 スコープは狭く、シミュレーションでは一度に1ラウンドのプラクティスで、ほとんどスクリプト化されている専門家がいる。 長期的な目的は、デモセットがすでにカバーしているものも追跡する学習者であり、各要求の労力に比例して、不足した振る舞いを人間の教師に尋ねる。

関連論文リスト

• Perfect Demo Makes Poor Teacher: Learning Robust Alignment from Critical Motion Segments [53.85970147743299]
  専門家によるデモンストレーションは、ロボット模倣学習における金の標準であると広く考えられている。 しかし、挿入、積み重ね、アライメントなどのきめ細かい操作のために、私たちは直感的な失敗モードを発見しました。 視覚言語モデルとアクションエキスパートをブリッジする,コンパクトな動的特徴であるSTAIRを導入する。
  論文  参考訳（メタデータ） (2026-06-14T04:15:29Z)
• How to Instruct Your Robot: Dense Language Annotations Power Robot Policy Learning [69.68882580009982]
  デモセグメントをVLM生成アノテーションでラベル付けする2段階のアプローチであるDeMiAnを紹介する。 学習したインストラクターがタスク記述と初期シーンスナップショットをデプロイ時にタスクに適したアノテーションにマップする。 RoboCasaでは、インストラクターはタスクのみのベースラインで5ポイント成功し、タスクごとのオラクルの3ポイント以内に到達する。
  論文  参考訳（メタデータ） (2026-05-16T16:52:08Z)
• One ACT Play: Single Demonstration Behavior Cloning with Action Chunking Transformers [11.875194596371484]
  人間は1つか2つのデモを見ただけで、複雑なタスクを完了させることを学ぶことができる。 我々の研究は、行動クローニングを使用して、人間の1つのデモンストレーションのみを与えられたタスクを学ぶことで、この能力をエミュレートすることを目指している。 本研究では,行動チャンキングエージェントが推論時に使用する時間的アンサンブル法に新たな付加法を開発した。
  論文  参考訳（メタデータ） (2023-09-18T21:50:26Z)
• Skill Disentanglement for Imitation Learning from Suboptimal Demonstrations [60.241144377865716]
  我々は、小さなクリーンな実演セットと大きなノイズセットの両方で、準最適実演の模倣を考える。 本稿では,様々な品質のアクションプリミティブを異なるスキルに符号化し,サブデモレーションレベルの評価と模倣を行う手法を提案する。
  論文  参考訳（メタデータ） (2023-06-13T17:24:37Z)
• Robustness of Demonstration-based Learning Under Limited Data Scenario [54.912936555876826]
  実証に基づく学習は、限られたデータシナリオ下で事前訓練された言語モデルの能力を刺激する大きな可能性を示している。 実演と予測の間に明確な整合性がないため、なぜこのような実演が学習プロセスに有益なのかは不明だ。 本稿では,実証に基づくシーケンスラベリングの頑健さを深く掘り下げるために,標準情報から直感的に有用な情報を徐々に取り除き,病理デモを設計する。
  論文  参考訳（メタデータ） (2022-10-19T16:15:04Z)
• Extraneousness-Aware Imitation Learning [25.60384350984274]
  Extraneousness-Aware Learning (EIL)は、外部サブシーケンスを用いた第三者によるデモンストレーションから、ビズモタポリシーを学ぶ。 EILは、自己監督された方法で行動条件付き観察埋め込みを学習し、視覚的なデモンストレーション全体にわたってタスク関連観測を検索する。 実験の結果、EILは強いベースラインを上回り、完璧なデモで訓練した人たちと同等のポリシーを達成していることがわかった。
  論文  参考訳（メタデータ） (2022-10-04T04:42:26Z)
• Learning from Imperfect Demonstrations from Agents with Varying Dynamics [29.94164262533282]
  我々は,実演が模倣学習にどの程度有用かを測定するために,実現可能性スコアと最適度スコアからなる指標を開発した。 シミュレーションと実ロボットによる4つの環境実験により,学習方針の改善が期待された。
  論文  参考訳（メタデータ） (2021-03-10T07:39:38Z)
• Learning to Shift Attention for Motion Generation [55.61994201686024]
  ロボット学習を用いた動作生成の課題の1つは、人間のデモが1つのタスククエリに対して複数のモードを持つ分布に従うことである。 以前のアプローチでは、すべてのモードをキャプチャできなかったり、デモの平均モードを取得できないため、無効なトラジェクトリを生成する傾向があった。 この問題を克服する外挿能力を有するモーション生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-24T09:07:52Z)
• Robust Maximum Entropy Behavior Cloning [15.713997170792842]
  模倣学習(il)アルゴリズムは、特定のタスクを学ぶために専門家のデモンストレーションを使用する。 既存のアプローチのほとんどは、すべての専門家によるデモンストレーションは信頼性と信頼性を前提としていますが、もし与えられたデータセットに敵対的なデモが存在するとしたらどうでしょう? 敵対するデモを自律的に検出し、データセットから除外するデモからポリシーを直接生成する、新しい一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-04T22:08:46Z)
• State-Only Imitation Learning for Dexterous Manipulation [63.03621861920732]
  本稿では,国家のみの模倣学習について考察する。 我々は、逆ダイナミクスモデルをトレーニングし、状態のみのデモンストレーションのアクションを予測するためにそれを使用します。 我々の手法は状態-作用アプローチと同等に動作し、RL単独よりもかなり優れています。
  論文  参考訳（メタデータ） (2020-04-07T17:57:20Z)

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。