論文の概要: Uncertainty-Guided Sparse Refinement for Action Chunking Transformer Policies
- arxiv url: http://arxiv.org/abs/2609.15840v1
- Date: Mon, 14 Sep 2026 16:37:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.513752
- Title: Uncertainty-Guided Sparse Refinement for Action Chunking Transformer Policies
- Title（参考訳）: アクションチャンキング変圧器用不確かさ誘導スパースリファインメント
- Abstract要約: 最近のアクションチャンキング手法は、時間的に拡張されたアクションシーケンスを予測することによって、有望な性能を示す。
本研究では,チャンクベースのビジュモータポリシのためのスパース改良フレームワークであるUncertainty-Guided Refinement (UGR)を提案する。
- 参考スコア（独自算出の注目度）: 10.02061062596699
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning chunk-based visuomotor policies for long-horizon robot manipulation remains challenging. Recent action-chunking methods have shown promising performance by predicting temporally extended action sequences. However, their failures are often dominated by prediction errors at a small number of critical timesteps rather than uniformly poor predictions across the entire action chunk, making uniform refinement inefficient and insufficiently targeted. To address this bottleneck, we propose Uncertainty-Guided Refinement (UGR), a sparse refinement framework for chunk-based visuomotor policies. Specifically, UGR follows a coarse-to-refine design: it first predicts a full action chunk, estimates per-step temporal uncertainty from the coarse hidden states, and applies residual correction only to the most uncertain timesteps selected by a binary mask. The uncertainty branch is decoupled from the coarse action predictor, enabling clean attribution of the refinement gains to uncertainty-guided correction rather than additional predictor capacity. Extensive experiments on five dual-arm manipulation tasks from the RoboTwin benchmark show that UGR achieves the best success rate on four tasks, improves over the ACT baseline by up to 13% absolute, and outperforms both full-chunk and position-agnostic block refinement in ablation studies.
- Abstract（参考訳）: 長距離ロボット操作のためのチャンクベースのビジュモータポリシーの学習は依然として困難である。
最近のアクションチャンキング手法は、時間的に拡張されたアクションシーケンスを予測することによって、有望な性能を示す。
しかしながら、その失敗は、アクションチャンク全体にわたって均一に貧弱な予測ではなく、少数の臨界時間ステップでの予測エラーによって支配されることが多く、均一な洗練が効率的で不十分なターゲットとなっている。
このボトルネックに対処するために,チャンクベースのビジュモータポリシーのためのスパース改良フレームワークであるUncertainty-Guided Refinement (UGR)を提案する。
UGRはまず完全なアクションチャンクを予測し、粗い隠蔽状態からステップ毎の時間的不確実性を推定し、二項マスクによって選択された最も不確実な時間ステップにのみ残留補正を適用する。
不確かさ分岐を粗い動作予測器から切り離し、補正利得の清潔な属性を、追加の予測器キャパシティよりも不確かさ誘導補正に寄与させる。
RoboTwinベンチマークによる5つのデュアルアーム操作タスクの広範囲な実験により、UGRは4つのタスクで最高の成功率を達成し、ACTベースラインを最大13%改善し、アブレーション研究においてフルチャンクと位置認識ブロックの洗練の両方を上回った。
関連論文リスト
- Beyond Optimal Rates in Stochastic Optimization: Trajectory-Adaptive Stopping Rules [42.38093055717409]
我々は、新しい信頼系列法と、適応されたプロセスに対する時間一様経験的バーンスタイン不等式を開発する。
結果の停止規則は、自然勾配の地平線より少ない数桁の順序を必要とすることが示される。
論文 参考訳（メタデータ） (2026-08-26T09:02:46Z) - PREFAIL: Identifying Precursors to Failures in Robotic Lift-and-Place Tasks to Improve Task Execution Performance [18.15066408206677]
本稿では, 対象物体の相対的な動きをキャリヤに対して解析することにより, 故障前駆体(PREFAIL)の予測に有効な手法を提案する。
実験の結果,PreFAILは障害前駆体に対する応答の精度とタイムラインを大幅に改善することがわかった。
論文 参考訳（メタデータ） (2026-07-18T18:25:58Z) - PolicyTrim: Boosting Intrinsic Policy Efficiency of Vision-Language-Action Models [50.232333672172395]
VLA(Vision-Language-Action)モデルは、ロボット操作の統一パラダイムを提供するが、実際のデプロイメントは実行効率によってボトルネックになることが多い。
強化学習に基づくポストトレーニングフレームワークである textbfPolicyTrim を提案する。
私たちのフレームワークは、タスクの成功率を損なうことなく、最大5.83$times$エンドツーエンドのデプロイメントスピードアップを提供します。
論文 参考訳（メタデータ） (2026-06-21T14:54:07Z) - Shifting Uncertainty to Critical Moments: Towards Reliable Uncertainty Quantification for VLA Model [10.781664119473966]
本稿では,ロールアウトの成功と失敗を予測するための統一的不確実性定量化手法を提案する。
本手法は, 故障予測精度を大幅に向上し, 故障検出のための信頼性の高い信号を得る。
論文 参考訳（メタデータ） (2026-03-18T22:52:03Z) - Seeing Farther and Smarter: Value-Guided Multi-Path Reflection for VLM Policy Optimization [41.15414881730464]
VLM(Vision-Language Models)は、この目標に対して、一般的なパーセプティブ・レアソン・アクティベート・フレームワークを提供する。
従来のアプローチは、ノイズの多い予見予測から状態値の非効率で、しばしば不正確な暗黙の学習に依存していた。
動作生成から状態評価を分離する新しいテスト時間計算フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-22T22:53:16Z) - WS-GRPO: Weakly-Supervised Group-Relative Policy Optimization for Rollout-Efficient Reasoning [67.45237332694025]
グループ相対政策最適化は、複雑な推論に基づいて言語モデルを訓練するのに効果的である。
Weakly Supervised GRPOを提案し、端末報酬を正当性を考慮したガイダンスに変換することにより、ロールアウト効率を向上させる。
論文 参考訳（メタデータ） (2026-02-19T02:43:35Z) - Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences [51.56484100374058]
凸最適化のための勾配降下(SGD)の停止規則について検討した。
我々は、投影されたSGDの重み付き平均準最適度に対して、任意の有意、データ依存の高信頼シーケンスを開発する。
これらは、厳格でタイムユニフォームなパフォーマンス保証と、有限時間$varepsilon$-optimality証明書である。
論文 参考訳（メタデータ） (2025-12-15T09:26:45Z) - Decoupled Q-Chunking [63.864222078287575]
チャンクされた批評家は、個々のアクションではなく、短いアクションシーケンス("チャンク")の価値を見積もって、価値のバックアップをスピードアップします。
私たちの重要な洞察は、批判者のチャンクの長さをポリシーのチャンクの長さから切り離すことで、ポリシーがより短いアクションチャンクを乗り越えることを可能にすることです。
この設計は、オープンループのサブ最適化と長いアクションチャンクに対するアクションチャンクポリシーの学習の難しさを両立させながら、マルチステップ値伝搬の利点を保っている。
論文 参考訳（メタデータ） (2025-12-11T18:52:51Z) - SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。
第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
論文 参考訳（メタデータ） (2025-10-22T16:11:22Z) - Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。
動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。
提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
論文 参考訳（メタデータ） (2024-08-30T15:39:34Z) - Towards Reliable Uncertainty Quantification via Deep Ensembles in
Multi-output Regression Task [0.0]
本研究は,多出力回帰タスクにおいて,近似ベイズ推論であるディープアンサンブルアプローチについて検討することを目的とする。
増大する不確実性の過小評価の傾向を初めて観察する。
本稿では,その不確実性定量化性能を向上させるために,ポストホックキャリブレーション法を適用したディープアンサンブルフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-28T05:10:57Z) - Sample-Efficient Optimisation with Probabilistic Transformer Surrogates [66.98962321504085]
本稿では,ベイズ最適化における最先端確率変換器の適用可能性について検討する。
トレーニング手順と損失定義から生じる2つの欠点を観察し、ブラックボックス最適化のプロキシとして直接デプロイすることを妨げる。
1)非一様分散点を前処理するBO調整トレーニング,2)予測性能を向上させるために最適な定常点をフィルタする新しい近似後正則整定器トレードオフ精度と入力感度を導入する。
論文 参考訳（メタデータ） (2022-05-27T11:13:17Z)
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。