論文の概要: RoboDrop: Curating VLA Post-Training Data via Local Gradient Compatibility
- arxiv url: http://arxiv.org/abs/2609.10021v1
- Date: Wed, 09 Sep 2026 10:55:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.995448
- Title: RoboDrop: Curating VLA Post-Training Data via Local Gradient Compatibility
- Title（参考訳）: RoboDrop: 局所勾配互換性によるVLA後トレーニングデータの算出
- Abstract要約: データキュレーションフレームワークであるtextscRoboDropを導入し、トレーニング軌道に沿って測定された局所的な勾配互換性を用いて監督を監査する。
我々は,RoboDropを制御された観測行動の破損,シミュレーションにおける自然な準最適実証,および非専門的なコレクションエラーを含む実ロボットデータセットで評価した。
- 参考スコア（独自算出の注目度）: 17.469738521824905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision--language--action (VLA) models acquire broad generalization through large-scale pretraining, yet adapting them to a new task and robot embodiment still requires post-training on newly collected data. Unlike pretraining, post-training targets task- and embodiment-specific adaptation, making it particularly sensitive to data quality. In practice, collected robot datasets often contain heterogeneous errors, including execution mistakes, sensor drift, and timestamp misalignment, which can impair post-training and policy performance. Manual inspection is costly, while existing data-cleaning methods are typically tailored to particular corruption types. To address these challenges, we introduce \textsc{RoboDrop}, a data-curation framework that audits supervision using local gradient compatibility measured along the training trajectory as a proxy for its effect on post-training performance. During a one-epoch warm-up run, RoboDrop scores each candidate sample online by comparing its gradient with those of task-semantic and visually matched validation samples. The resulting sample scores are aggregated at the episode level, and a simple automatic post-processing rule converts them into filtering decisions. We evaluate RoboDrop on controlled observation--action corruptions, naturally suboptimal demonstrations in simulation, and real-robot datasets containing non-expert collection errors. Across these settings, RoboDrop more accurately distinguishes unreliable demonstrations than prior methods, while post-training on the curated data consistently yields stronger downstream policies, with average real-robot rollout success rising from $35.0\%$ to $67.5\%$. These results establish training-trajectory-aware, context-conditioned supervision auditing as an effective approach to robust VLA post-training.
- Abstract（参考訳）: 視覚-言語-アクション(VLA)モデルは、大規模な事前訓練を通じて広範囲の一般化を得るが、それらを新しいタスクに適応させる。
事前トレーニングとは異なり、ポストトレーニングはタスクとエンボディメント固有の適応をターゲットにしており、特にデータ品質に敏感である。
実際には、収集されたロボットデータセットには、実行ミス、センサードリフト、タイムスタンプのミスアライメントなど、不均一なエラーが含まれていることが多い。
手動検査はコストがかかるが、既存のデータクリーニング手法は通常、特定の汚職タイプに合わせている。
これらの課題に対処するために,訓練軌跡に沿って測定された局所的な勾配整合性を用いて監視を監査するデータキュレーションフレームワークである‘textsc{RoboDrop} を紹介した。
一時期のウォームアップ実行中に、RoboDropは、その勾配をタスクセマンティックおよび視覚的にマッチしたバリデーションサンプルと比較することによって、各候補サンプルをオンラインでスコア付けする。
得られたサンプルスコアはエピソードレベルで集約され、単純な自動後処理ルールによってフィルタリング決定に変換される。
我々は,RoboDropを制御された観測行動の破損,シミュレーションにおける自然な準最適実証,および非専門的なコレクションエラーを含む実ロボットデータセットで評価した。
これらの設定全体において、RoboDropは従来の方法よりも信頼性の低いデモンストレーションをより正確に区別する一方、キュレートされたデータのポストトレーニングは、ダウンストリームポリシーを継続的に強化し、平均的なリアルタイムロボットロールアウト成功率は35.0\%から67.5\%に上昇する。
これらの結果は、堅牢なVLAポストトレーニングに対する効果的なアプローチとして、トレーニング・トラジェクトリ・アウェア、文脈条件付き監視監査を確立した。
関連論文リスト
- Set-Supervised Diffusion Policy: Learning Action-Chunking Diffusion through Corrections [25.961145214027255]
拡散ポリシーは、ロボットの望ましくない行動と人間の教師の矯正行動の形でペア化された監督を提供する。
提案するSDP(Set-Supervised Diffusion Policy)は,コントラッシブなアクションチャンクデータを用いて,人間の修正から拡散ポリシーを訓練する新しい学習フレームワークである。
SDPは、特にノイズの多いデータに対するロバスト性において、ポリシーパフォーマンスを継続的に改善する。
論文 参考訳（メタデータ） (2026-06-01T08:14:38Z) - Rethinking Visual-Language-Action Model Scaling: Alignment, Mixture, and Regularization [65.37179698521766]
VLA(Vision-Language-Action)モデルは、ジェネラリストロボットの制御を強く約束する。
標準的な「スケールデータ」レシピがロボット工学に翻訳されるかどうかはまだ不明だ。
本稿では,多様なロボットを対象とした事前学習のためのコアトレーニング選択を再考する,VLAスケーリングの体系的かつ制御された研究を提案する。
論文 参考訳（メタデータ） (2026-02-10T12:25:43Z) - Can Small Training Runs Reliably Guide Data Curation? Rethinking Proxy-Model Practice [109.9635246405237]
データ品質に関する実験結果が、ハイパーパラメータのトレーニングに微調整を加えることで、反転できることを示す。
評価プロトコルに簡単なパッチを導入し、プロキシモデルのトレーニングに学習率を削減した。
実験により,データキュレーションの4つの重要な次元をカバーする23種類のデータレシピに対して,このアプローチを検証した。
論文 参考訳（メタデータ） (2025-12-30T23:02:44Z) - Data-Centric Visual Development for Self-Driving Labs [11.559239027724884]
われわれはSDLにおいて最も重要かつ精度の高い行動であるピッティングに焦点をあてる。
私たちは、実際のデータ生成と仮想データ生成を融合するハイブリッドパイプラインを構築しています。
保持された実際のテストセットでは、自動取得された実画像に基づいて完全に訓練されたモデルが99.6%の精度に達する。
論文 参考訳（メタデータ） (2025-12-01T18:59:57Z) - CUPID: Curating Data your Robot Loves with Influence Functions [29.79350259314518]
CUPIDは、模倣学習ポリシーのための新しい影響関数理論定式化に基づく、ロボットデータキュレーション手法である。
我々は,1)政策パフォーマンスを損なうトレーニングデモをフィルタリングし,2)政策を最も改善する新たなトラジェクトリをサブセレクトするために,CUPIDを用いてデータをキュレートする。
論文 参考訳（メタデータ） (2025-06-23T20:49:34Z) - Reliably Detecting Model Failures in Deployment Without Labels [14.069153343960734]
本稿では,デプロイ後劣化(PDD)モニタリングの問題点を定式化し,対処する。
本稿では,予測モデルの相違に基づく,実用的で効率的なモニタリングアルゴリズムD3Mを提案する。
標準ベンチマークと実世界の大規模内科データセットによる実証的な結果から,フレームワークの有効性が示された。
論文 参考訳（メタデータ） (2025-06-05T13:56:18Z) - SCIZOR: A Self-Supervised Approach to Data Curation for Large-Scale Imitation Learning [29.14330314090061]
模倣学習は、人間のデモンストレーションから多様な行動の獲得を可能にすることで、ロボット能力を向上させる。
既存のロボットキュレーションアプローチは、高価な手作業によるアノテーションに依存し、粗い粒度でキュレーションを行う。
本稿では、低品質な状態-動作ペアをフィルタリングして模倣学習ポリシーの性能を向上させる自己教師型データキュレーションフレームワークであるSCIZORを紹介する。
論文 参考訳（メタデータ） (2025-05-28T17:45:05Z) - Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。
我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
論文 参考訳（メタデータ） (2023-12-27T09:03:43Z) - Value function estimation using conditional diffusion models for control [62.27184818047923]
拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。
拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。
本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
論文 参考訳（メタデータ） (2023-06-09T18:40:55Z) - MAPS: A Noise-Robust Progressive Learning Approach for Source-Free
Domain Adaptive Keypoint Detection [76.97324120775475]
クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。
本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
論文 参考訳（メタデータ） (2023-02-09T12:06:08Z) - CAFA: Class-Aware Feature Alignment for Test-Time Adaptation [50.26963784271912]
テスト時間適応(TTA)は、テスト時にラベルのないデータにモデルを適応させることによって、この問題に対処することを目的としている。
本稿では,クラス認識特徴アライメント(CAFA, Class-Aware Feature Alignment)と呼ばれる単純な機能アライメント損失を提案する。
論文 参考訳（メタデータ） (2022-06-01T03:02:07Z) - Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D
Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。
そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文 参考訳（メタデータ） (2021-11-30T18:42:42Z)
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。