論文の概要: Missing Bridges: Composition-Aware Active Imitation Learning

• arxiv url: http://arxiv.org/abs/2609.18004v1
• Date: Wed, 16 Sep 2026 01:48:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.594745
• Title: Missing Bridges: Composition-Aware Active Imitation Learning
• Title（参考訳）: 欠橋: 構成に配慮したアクティブな模倣学習
• Abstract要約: 本稿では,アダプティブエージェントを遅延トポロジ(AALT)経由で導入する。 AALTは既存のデモを学習行動によって接続された潜在ハブ状態のトポロジに整理し、一度に多くのタスクを実行できる可能性のある高価値ブリッジのデモを特定し、それぞれをエキスパートクエリにグラウンドする。
• 参考スコア（独自算出の注目度）: 30.957721433554653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Active imitation learning reduces expert effort by allowing a learner to request the demonstrations it needs. Existing methods typically select these requests for their expected information gain about the expert policy. In structured multi-task domains, however, the number of start-goal tasks may grow combinatorially despite their solutions sharing reusable behavior. This makes composable behaviors especially valuable, since a single demonstration may help solve many tasks at once. Prior methods do not explicitly account for this value when selecting which demonstration to request. We introduce Adaptive Agents via Latent Topologies (AALT), which requests demonstrations that maximize expected gains in start-goal connectivity. We further show that this objective is formally tied to information gain about task reachability. AALT organizes existing demonstrations into a topology of latent hub states connected by learned behaviors, identifies high-value bridge demonstrations that are likely to enable many tasks at once, and grounds each to an expert query. At inference, it plans through the resulting topology and conditions a diffusion policy on each successive hub transition. In a simulated UR5e robot ordered-retrieval domain with 72 tasks, AALT improved from 42/72 to 72/72 (100%) successful tasks consistently using only 3 demonstrations totaling 5 transitions beyond the initial dataset. After 20 demonstrations, the strongest baseline averaged 88.6% success using 98 transitions.
• Abstract（参考訳）: アクティブな模倣学習は、学習者が必要なデモを要求できるようにすることで、専門家の努力を減らす。 既存のメソッドは通常、専門家ポリシーに関する期待情報を得るためにこれらのリクエストを選択する。 しかし、構造化マルチタスク領域では、再利用可能な振る舞いを共有するソリューションにもかかわらず、初期タスクの数は組合せ的に増加する可能性がある。 ひとつのデモが一度に多くのタスクを解決するのに役立つ可能性があるため、構成可能な振る舞いは特に価値がある。 以前のメソッドは、要求するデモを選択する際に、この値を明示的に説明しません。 本稿では,アダプティブエージェントを遅延トポロジ(AALT)経由で導入する。 さらに、この目的が、タスクの到達可能性に関する情報獲得と、正式に結びついていることが示される。 AALTは既存のデモを学習行動によって接続された潜在ハブ状態のトポロジに整理し、一度に多くのタスクを実行できる可能性のある高価値ブリッジのデモを特定し、それぞれをエキスパートクエリにグラウンドする。 推論では、結果として得られるトポロジを計画し、それぞれの連続したハブ遷移に対する拡散ポリシーを条件とする。 72のタスクを持つシミュレーションされたUR5eロボット注文検索ドメインでは、AALTは、最初のデータセットを超える5つのトランジションを合計した3つのデモのみを使用して、42/72から72/72(100%)の成功タスクを継続的に改善した。 20回のデモの後、最強のベースラインは98回の移行で88.6%の成功を収めた。

関連論文リスト

• VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control [57.5995346750474]
  VA-Benchを導入し、完全なオブザーバ・レアソン・アクト・リビジョンループを評価する。 汎用MLLMは、RGBのみのデモンストレーションから手続き的コンテキストを学習する。 モデルには特権オブジェクトのポーズ、オラクルの軌跡、学習されたアクションヘッドは含まれない。
  論文  参考訳（メタデータ） (2026-09-17T01:24:51Z)
• Generalize and Guide: Decomposing Rewards for Few-Shot Inverse Reinforcement Learning [4.847786820784619]
  逆強化学習(IRL)は、実演から学ぶための強力なフレームワークを提供する。 マルチタスク識別器の近性誘導IRL(MPG)について紹介する。 MPGは,(1)関係タスク間で共有構造を伝達し,新たなタスクにおける専門家の行動を識別する一般化可能な識別器,(2)状態が専門家の行動からどの程度逸脱しているかを計測し,探索中に補正ガイダンスを提供する近接関数,の2つの相補的報酬成分を学習する。
  論文  参考訳（メタデータ） (2026-07-20T09:51:02Z)
• Knowledge Reutilization in Meta-Reinforcement Learning [51.07319647819108]
  本稿では,動的に単純化されたエージェント上でタスクレベルの知識を学習し,それを異種エージェントに転送するメタ知識再利用フレームワークを提案する。 我々のフレームワークは、最新の最先端ベースラインと比較して、最終段階のトラッキングエラーを94.75% -- 99.79%削減している。
  論文  参考訳（メタデータ） (2026-06-16T16:32:28Z)
• Zero-shot Imitation Learning by Latent Topology Mapping [18.335598046913418]
  固定された実演データセットが有用な振る舞いを含む長期的目標条件設定について検討するが、エージェントが解決しなければならないすべてのタスクの完全な例ではない。 既存の模倣学習手法は、実証から強力なポリシーを学ぶことができるが、長距離タスクを解く際には、長い原始的行動軌跡の上に小さなエラーが蓄積され、新しいタスクへのゼロショット適応が信頼できない。 ZALT (Zero-shot Agents from Latent Topologies) は、学習中に示されるもの以上の未確認のスタートゴールタスクを解決する模倣学習手法である。
  論文  参考訳（メタデータ） (2026-05-08T20:16:52Z)
• Concurrent Prehensile and Nonprehensile Manipulation: A Practical Approach to Multi-Stage Dexterous Tasks [23.52755440099898]
  実世界のデキスタラスマルチタスク操作のためのサンプル効率の良いアプローチであるDexMultiを提案する。 モノリシックなポリシーを学習する代わりに、現在のオブジェクトの幾何学に基づくスキルを抽出する。 提案手法は,オブジェクトごとの3～4つの実演で平均66%の成功率を達成し,拡散政策ベースラインを2～3倍に向上させる。
  論文  参考訳（メタデータ） (2026-03-12T08:25:21Z)
• Learning from 10 Demos: Generalisable and Sample-Efficient Policy Learning with Oriented Affordance Frames [10.738838923944876]
  既存の方法は、タスクのバリエーションをカバーするために、かなりの数のデモを必要とする。 我々は、状態空間と行動空間の構造化表現である指向性アプライアンスフレームを導入する。 この抽象化によって、独立に訓練されたサブ政治の構成的一般化が可能となることを示す。 本手法は実世界の3つのタスクにまたがって検証し,多段階多目的インタラクションを必要とする。
  論文  参考訳（メタデータ） (2024-10-15T23:57:35Z)
• Leveraging Demonstrations with Latent Space Priors [90.56502305574665]
  本稿では,スキル学習とシーケンスモデリングを組み合わせることで,実演データセットを活用することを提案する。 本研究では、国家のみのモーションキャプチャーの実証から、そのような先行情報をどうやって取得するかを示し、政策学習に組み込むためのいくつかの方法を探る。 実験結果から, 学習速度と最終性能において, 遅延空間が顕著に向上することが確認された。
  論文  参考訳（メタデータ） (2022-10-26T13:08:46Z)
• Hierarchical Few-Shot Imitation with Skill Transition Models [66.81252581083199]
  FIST(Few-shot Imitation with Skill Transition Models)は、オフラインデータからスキルを抽出し、それらを利用して見えないタスクに一般化するアルゴリズムである。 本稿では,FISTが新たなタスクに一般化し,ナビゲーション実験において従来のベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-07-19T15:56:01Z)
• Visual Imitation Made Easy [102.36509665008732]
  本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。 我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。 我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
  論文  参考訳（メタデータ） (2020-08-11T17:58:50Z)
• Learning Long-term Visual Dynamics with Region Proposal Interaction Networks [75.06423516419862]
  オブジェクト間およびオブジェクト環境間の相互作用を長距離にわたってキャプチャするオブジェクト表現を構築します。 単純だが効果的なオブジェクト表現のおかげで、我々の手法は先行手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-08-05T17:48:00Z)

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。