論文の概要: ReWeight: Leveraging Human Data for VLA Post-Training via Demonstration Retrieval and Sample Weighting
- arxiv url: http://arxiv.org/abs/2609.13851v1
- Date: Sat, 12 Sep 2026 10:09:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.584318
- Title: ReWeight: Leveraging Human Data for VLA Post-Training via Demonstration Retrieval and Sample Weighting
- Title（参考訳）: リウェイト:実証検索とサンプル重み付けによるVLA後トレーニングのための人間データの活用
- Abstract要約: ReWeightは、人間のデータをVLAのポストトレーニングに組み込むフレームワークである。
対象のロボットデータに関連する人間のデモを検索し、より小さな身体的不一致を持つサンプルにより大きな重量を割り当てる。
シミュレーションでは、ReWeightは、ロボットデータだけでトレーニング後の$_0.5$の平均成功率を39%から、ランダムに混合された人間ロボットデータで44%から57%に改善する。
- 参考スコア（独自算出の注目度）: 18.437908138878143
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Post-training vision-language-action (VLA) models for specific robots and tasks requires in-domain demonstrations, yet collecting diverse robot data is costly. Egocentric human demonstrations provide a scalable alternative, but directly mixing human and robot data can introduce cross-embodiment discrepancies and degrade policy performance. To address this challenge, we introduce ReWeight, a framework that incorporates human data into VLA post-training through demonstration-level retrieval and sample-level weighting. ReWeight learns a cross-embodiment visuomotor representation that combines visual observations with future actions to measure behavioral similarity between human and robot demonstrations. Based on optimal transport, it retrieves human demonstrations relevant to the target robot data and assigns larger weights to samples with smaller cross-embodiment discrepancies. We evaluate ReWeight using $π_{0.5}$ across eight simulation tasks and four real-world tasks under both clean and randomized settings. In simulation, ReWeight improves the average success rate of post-trained $π_{0.5}$ from 39% with only robot data and 44% with randomly mixed human-robot data to 57%. In the physical experimental setting, it achieves an average success rate of 68.8%, outperforming the baselines by 28.8% and 13.8%, respectively. Overall, ReWeight provides an effective paradigm for transforming abundant egocentric human experience into transferable supervision for robot learning. (Project webpage: https://reweight-vla.github.io/)
- Abstract（参考訳）: 特定のロボットやタスクのための訓練後の視覚言語アクション(VLA)モデルでは、ドメイン内のデモが必要であるが、多様なロボットデータの収集にはコストがかかる。
エゴセントリックな人間のデモは、スケーラブルな代替手段を提供するが、人間とロボットのデータを直接混ぜ合わせることで、異端と政策パフォーマンスを低下させることができる。
この課題に対処するために、デモレベルの検索とサンプルレベルの重み付けを通じて、人間のデータをVLA後のトレーニングに組み込むフレームワークであるReWeightを紹介した。
ReWeightは、視覚的な観察と将来の行動を組み合わせることで、人間とロボットの動作の類似性を計測するクロス・エボディメント・ビズモータ表現を学習する。
最適な輸送に基づいて、ターゲットとなるロボットデータに関連する人間のデモを検索し、より大きな重量をより小さな身体的不一致を持つサンプルに割り当てる。
我々は8つのシミュレーションタスクと4つの実世界のタスクにまたがる$π_{0.5}$を用いてReWeightを評価する。
シミュレーションでは、ReWeightはトレーニング後のπ_{0.5}$の平均成功率を、ロボットデータだけで39%、ランダムに混合された人間ロボットデータで44%から57%に改善した。
物理実験では、平均成功率は68.8%であり、それぞれ28.8%、13.8%を上回っている。
全体として、ReWeightは、豊富なエゴセントリックな人間の体験を、ロボット学習のための伝達可能な監視に変換するための効果的なパラダイムを提供する。
(プロジェクトWebページ:https://reweight-vla.github.io/)
関連論文リスト
- HuRo: Robotizing Human Videos for Scalable VLA Pretraining [21.648183246162237]
異種映像をロボット対応の観察・行動軌跡に変換するロボット化パイプラインを開発した。
我々は5つのビデオソースから約630Kのロボット化されたエピソードと1億4200万のフレームからなるHuRoデータセットを構築した。
論文 参考訳（メタデータ） (2026-09-09T18:02:05Z) - Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data [60.94418315274988]
Ego2Robotは、キュレートされたビデオとインザワイルドのビデオの両方をサポートし、15のロボット形態にまたがる18,561時間のトレーニングデータを生成する。
Ego2Robotの合成データとロボットデータの併用による事前学習は、複数のタイプにわたるアウト・オブ・ディストリビューションの一般化を一貫して改善する。
論文 参考訳（メタデータ） (2026-08-03T17:52:26Z) - HumanScale: Egocentric Human Video Can Outperform Real-Robot Data for Embodied Pretraining [93.5192770515694]
Embodied foundation modelは、大きな言語モデルのようなデータスケーリングの恩恵を受けることが期待されているが、より厳密なデータボトルネックに直面している。
遠隔操作された実ロボット軌道は、正確な行動監督と実施の整合性のために、訓練前の主流の源である。
エゴセントリックなデータに基づいて事前訓練された基礎モデルは、実ロボットアクション予測において24%低い検証損失を達成する。
論文 参考訳（メタデータ） (2026-06-18T17:37:34Z) - DataLadder: A Simulation-Enabled Interconversion Toolchain for the Embodied Data Pyramid [63.45560198934907]
ジェネラリストロボットポリシーは、信頼できる評価とロボット使用可能なトレーニングデータを必要とする。
本稿では,人間ロボットによるモデル評価とデータ生成のためのシミュレーション可能な変換ツールチェーンであるDataLadderを提案する。
JD Cloud上のクラウドサービスとして、コア再構築、シミュレーション、レンダリング、リアリズム拡張モジュールをパッケージ化します。
論文 参考訳（メタデータ） (2026-06-15T14:21:35Z) - $Ψ_0$: An Open Foundation Model Towards Universal Humanoid Loco-Manipulation [39.811210435945924]
本稿では,ヒューマノイドのロコ操作課題に対処するオープン基盤モデルを提案する。
我々の研究は、重要だが見落とされがちなデータレシピを特定します。
高品質な人間操作データに対する事前トレーニングと、ドメイン固有の実世界のヒューマノイド軌道のポストトレーニングにより、優れた性能が得られることを示す。
論文 参考訳（メタデータ） (2026-03-12T17:59:51Z) - 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) - Sim-and-Human Co-training for Data-Efficient and Generalizable Robotic Manipulation [113.13282853889818]
SimHumは、シミュレーションされたロボット行動と実世界の人間の観察から視覚的事前を同時に抽出するフレームワークである。
2つの相補的前提に基づき、実世界のタスクにおいて、データ効率と一般化可能なロボット操作を実現する。
論文 参考訳（メタデータ） (2026-01-27T09:41:28Z) - MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training [102.850162490626]
人間のロボットによる相互模倣事前学習による視覚-言語-行動モデルであるMiVLAを提案する。
MiVLAは、最先端のVLAよりも優れた、強力な改良された一般化能力を実現する。
論文 参考訳（メタデータ） (2025-12-17T12:59:41Z) - Robots Pre-train Robots: Manipulation-Centric Robotic Representation from Large-Scale Robot Datasets [24.77850617214567]
本稿では,視覚的特徴と操作タスクの行動や受容といった動的情報の両方を抽出する基礎表現学習フレームワークを提案する。
具体的には、DROIDロボットデータセット上で視覚エンコーダを事前訓練し、ロボットの受容状態や動作などの動作関連データを活用する。
本研究では,視覚的観察をロボットの主観的状態-動作ダイナミクスと整合させる新しいコントラスト的損失と,事前トレーニング中の行動を予測する行動クローニング(BC)のようなアクター損失と,時間的コントラスト的損失を導入する。
論文 参考訳（メタデータ） (2024-10-29T17:58:13Z) - Re-Mix: Optimizing Data Mixtures for Large Scale Imitation Learning [25.359270812682155]
ロボット基礎モデル事前学習のためのロボットデータセットの異なるサブセットやドメインの重み付けについて検討する。
我々の手法であるRe-Mixは、ロボットデータセットにDROを適用する際に生じる幅広い課題に対処する。
論文 参考訳（メタデータ） (2024-08-26T06:14:25Z) - Mitigating the Human-Robot Domain Discrepancy in Visual Pre-training for Robotic Manipulation [16.809190349155525]
そこで本研究では,容易に利用可能な人間ロボットのビデオデータを利用して,ドメインギャップを埋める新しい適応パラダイムを提案する。
提案手法では,人間とロボットのビデオのセマンティクスを整列させるために,人間ロボットのアライメント損失を用いて,事前学習したモデルをパラメータ効率よくロボット領域に適応させる。
論文 参考訳（メタデータ） (2024-06-20T11:57:46Z)
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。