論文の概要: From Rollout to Reset: A Graph-Based Harness for Autonomous Long-Horizon Manipulation Evaluation

• arxiv url: http://arxiv.org/abs/2609.19413v1
• Date: Wed, 16 Sep 2026 20:52:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.011162
• Title: From Rollout to Reset: A Graph-Based Harness for Autonomous Long-Horizon Manipulation Evaluation
• Title（参考訳）: ロールアウトからリセット: 自律的長距離マニピュレーション評価のためのグラフベースのハーネス
• Abstract要約: HALTERは、学習された原子リセットスキルのライブラリを計画することで、シーンを復元する。 76%のエピソードでシーンを復元し、AutoEvalは52%、モーションプランニングリセットは65%だった。 また、手動リセットに対して評価キャンペーンの操作時間を72%削減する。
• 参考スコア（独自算出の注目度）: 30.269741429573035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot manipulation policies are improving quickly, and real-robot evaluation remains the standard evidence for that progress. It still relies on a human to reset the scene between rollouts, which consumes operator time and leaves the initial state distribution unspecified, so results reproduce poorly. A recent system, AutoEval, automates both reset and scoring, but only for single-step tasks, because a long-horizon rollout can terminate in combinatorially many configurations that no single learned reset policy covers. We present HALTER, a Harness for Autonomous Long-horizon Task Evaluation and Reset, which restores the scene by planning over a library of learned atomic reset skills, so demonstration cost scales with the size of that library rather than with the number of terminal states. HALTER builds a spatial scene graph online from point clouds and vision foundation models, and an LLM reasons over this graph to score the rollout, plan the reset, and verify that the reset succeeded, without collecting labeled success images for any task. On four long-horizon tasks on a Franka arm, HALTER restores the scene in 76% of episodes, against 52% for AutoEval and 65% for a motion-planning reset, and it estimates the completed-skill fraction correctly in 90% of episodes, against 76%. Its reset-verification verdict is correct in 91% of episodes, compared with 78% for AutoEval. It also cuts the operator time of an evaluation campaign by 72% relative to manual reset. We further measure compositional generalization on three held-out tasks, where HALTER resets 74.7% of episodes against 1.3% for a per-task reset policy, and we ablate the scene representation and the graph update rate.
• Abstract（参考訳）: ロボット操作ポリシーは急速に改善されており、実際のロボット評価はその進歩の標準的な証拠である。 ロールアウト間でのシーンのリセットは人間に依存しており、オペレータの時間を消費し、初期状態の分布を未特定のままにしておく。 最近のシステムであるAutoEvalは、リセットとスコアの両方を自動化するが、長い水平ロールアウトが、単一の学習されたリセットポリシーがカバーしていない組合せ的な多くの設定で終了できるため、シングルステップタスクのみに限られる。 本稿では,学習したアトミックリセットスキルのライブラリを計画してシーンを復元する,自律的長期タスク評価・リセットのためのハーネスであるHALTERについて述べる。 HALTERは、ポイントクラウドとビジョンファウンデーションモデルからオンラインの空間シーングラフを構築し、このグラフに対するLCMの理由として、ロールアウトを記録し、リセットを計画し、リセットが成功したことを確認する。 フランカ・アームの4つのロングホライゾン・タスクにおいて、HALTERは76%のエピソードでシーンを復元し、オートエバルは52%、モーションプランニング・リセットは65%と評価した。 リセット検証の判断は91%のエピソードで正しいが、AutoEvalは78%である。 また、手動リセットに対して評価キャンペーンの操作時間を72%削減する。 さらに,HALTERが74.7%のエピソードを,タスクごとのリセットポリシーの1.3%に対してリセットし,シーン表現とグラフ更新率を補正する3つのタスクの合成一般化を測定した。

関連論文リスト

• The Evaluation Protocol Determines the Result: An Independent Reproduction of LeWorldModel on TwoRoom [0.0]
  LeModelは、予測損失と1つの反崩壊正規化器を備えた潜在世界モデルを訓練する。 約25ドル(約2万5000円)のレンタルコンピュータ上で、独立した再実装によってこれを再現し、1台のラップトップCPU上で全ての評価を行う。
  論文  参考訳（メタデータ） (2026-08-10T19:00:51Z)
• Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment [53.913175773174636]
  既存のパイプラインは、自己リセット、VLM検証、言語指導による修正を通じて、人間の労力を減らす。 Zero2Skill(ゼロ2スキル)は、人ロボットの共生型エージェントシステムで、丸ごとの修正を維持・再利用する。
  論文  参考訳（メタデータ） (2026-07-15T17:16:24Z)
• Self-GC: Self-Governing Context for Long-Horizon LLM Agents [6.2467823330183725]
  長期出力のLLMエージェントはツールの結果、ファイル、計画、ユーザ制約を蓄積し、使い捨てのテキスト接尾辞として扱うには構造化しすぎる。 本稿では,ガベージコレクションを意図的に反響しながら,GCが自己管理コンテキストを表すセルフGCを提案する。 Self-GCはユーザターン、ツールスパン、スキルステートをインデックスオブジェクトに変換し、サイドチャネルプランナーにフォールド、マスク、プルーアクションを提案する。
  論文  参考訳（メタデータ） (2026-07-01T09:41:54Z)
• Good to Go: The LOOP Skill Engine That Hits 99% Success and Slashes Token Usage by 99% via One-Shot Recording and Deterministic Replay [14.181844060152367]
  99%の成功率と99%のトークン削減を実現するシステムである LOOP SKILL ENGINE を提案する。 決定論的実行計画は、時間依存変数と結果依存変数をパラメータ化しながら、タスクの機能的意図をキャプチャする。 周期的エージェントタスクのベンチマークが5分から24時間に及ぶ間、Loop Skill Engineは毎月のトークン消費を93.3%--99.98%削減し、実行遅延を8.7倍削減し、出力非決定性を排除している。
  論文  参考訳（メタデータ） (2026-05-14T01:05:35Z)
• Instruct-ReID: A Multi-purpose Person Re-identification Task with Instructions [62.86799046733196]
  本稿では,与えられた画像や言語命令に従って,モデルに画像の検索を要求する命令-ReIDタスクを提案する。 我々の命令-ReIDはより一般的なReID設定であり、既存の6つのReIDタスクを異なる命令を設計することで特別なケースとして見ることができる。 実験結果から,OmniReIDベンチマークで微調整なしでトレーニングした多目的ReIDモデルでは, Market1501, MSMT17, CUHK03, 従来のReIDでは+0.5%, +0.6%, +7.7%mAP, PRCCでは+6.4%, +7.1%, +11.2%mAPの改善が可能であった。
  論文  参考訳（メタデータ） (2023-06-13T03:25:33Z)

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。