論文の概要: PROVIA: Procedure State Tracking for Online Mistake Detection in Egocentric Videos

• arxiv url: http://arxiv.org/abs/2609.20638v1
• Date: Thu, 17 Sep 2026 16:22:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.370274
• Title: PROVIA: Procedure State Tracking for Online Mistake Detection in Egocentric Videos
• Title（参考訳）: PROVIA:エゴセントリックビデオにおけるオンライン誤検出のためのプロシージャ状態追跡
• Abstract要約: PROVIAは、CaptainCook4D、IndustReal、HoloAssist、IMPACT-egoのコントロールされたベースラインの中で、最高のミスをランク付けしている。 PROVIAは2つの記録を分けている: 事実の状態、各俳優が実行したステップの学習された要約、ミスを含む。 パイプラインは毎秒58-70フレームで動作する。
• 参考スコア（独自算出の注目度）: 23.266819323329784
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An assistant watching egocentric video should notice a mistake from past frames alone, before the next step begins, and keep working once the person recovers. A mistake changes the state of the work, so every later step has to be read against what was done rather than against the plan. The first-mistake protocol that current online methods report on cuts each recording at its first mistake, so a fixed-time rule that never looks at the video is right on every case. We evaluate on complete trials, where mistakes and recoveries arise naturally, under a validation false-alarm budget and against controls that use timing alone. PROVIA keeps two records apart: a factual state, a learned summary of the steps each actor performed, mistakes included, and the accepted progress, an exact posterior over the state of an automaton induced from correct demonstrations by Bayesian state merging and over the execution status of each actor. Procedure-state transitions occur only in the correct-status branch; the mistake and correction branches retain the source state. A sequential test turns the per-frame mistake probability into alarms. With one filter and one optimization rule, PROVIA ranks mistakes best among the evaluated controlled baselines on CaptainCook4D, IndustReal, HoloAssist and IMPACT-ego. At a validation budget of 0.1 false alarms per minute it recalls .154 against .128 on CaptainCook4D and .034 against .015 on HoloAssist, where it leads at every budget. The pipeline runs at 58-70 frames per second. The source code is available at https://github.com/Kratos-Wen/PROVIA.
• Abstract（参考訳）: エゴセントリックなビデオを見ているアシスタントは、次のステップが始まる前に、過去のフレームからのミスに気付き、その人が回復した後も仕事を続けるべきである。 ミスによって作業状態が変わりますので、次のステップはすべて、計画に対してではなく、実行されたことに対して読む必要があります。 現在のオンラインメソッドが報告している最初のミスプロトコルは、最初のミスで各録音をカットするので、ビデオを見ない固定時間ルールは、すべてのケースで正しい。 我々は,誤りと回復が自然に生じる完全試験において,検証済みの偽警報予算とタイミングのみを使用する制御に対して評価を行う。 PROVIAは2つの記録を分けている: 事実状態、各アクターが実行したステップの学習された要約、ミスを含む、そして受け入れられた進歩、ベイズ状態がマージし、各アクターの実行状態が実行されたときの正しいデモから引き起こされたオートマトンの状態の正確な後方。 手続き状態遷移は正しい状態分岐でのみ発生し、誤りと修正分岐は元の状態を保持する。 シーケンシャルテストでは、フレーム単位のミスの確率がアラームになる。 PROVIAは1つのフィルタと1つの最適化ルールで、CaptainCook4D、IndustReal、HoloAssist、IMPACT-egoの制御されたベースラインの中で最良と評価されている。 1分あたり0.1誤警報の検証予算では、CaptainCook4Dの.128対.034対HoloAssistの.015に対して.154対.154をリコールし、全ての予算でリードする。 パイプラインは毎秒58-70フレームで動作する。 ソースコードはhttps://github.com/Kratos-Wen/PROVIAで入手できる。

関連論文リスト

• Post-Training VLMs for Video Mistake Detection [30.215996979058236]
  我々は、ステップ固有の詳細に過度に適合するのではなく、誤り検出手法が誤りの一般的な概念を学ぶべきだと主張している。 MD-VQA(Mistake Detection Video Question Answering)プロトコルとそれに伴うベンチマークを紹介する。 提案手法では, モデルに対して, 命令と対応するビデオとの相違点を識別するよう促すために, 調整された報酬関数を用いる。
  論文  参考訳（メタデータ） (2026-08-28T14:56:58Z)
• ValueFormer: A Causal Transformer Value Function with Stage-Aware Labels for Semi-Autonomous Vision-Language-Action Policies [0.576537956677604]
  本稿では,凍結したDINOv3バックボーン上の因果変換器であるValueFormerを紹介する。 障害エピソードには、障害ステージ前の成功曲線を保存するステージ認識、成功テーマデカイリターンとラベル付けされ、単一の障害時間ではなく、ミス間隔から検出が監視される。
  論文  参考訳（メタデータ） (2026-08-03T23:46:39Z)
• 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)
• When Agents Commit Too Soon: Diagnosing Premature Commitment in LLM Agents [0.0]
  長い答えのLSMエージェントは静かに失敗する可能性があり、彼らは証拠を早期に読み上げ、残りの期間をその証拠を守るのに費やした。 我々は、表現的コミットメントを、固定された推論ステップにおいて、クロスランな隠れ状態収束として定義する。 ランタイムモニタは、AUROCの隠れ状態から0.97までの不整合軌道を検出する(より厳密なスプリットの下で0.85-0.88)。
  論文  参考訳（メタデータ） (2026-06-22T07:13:13Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• How to Correctly Make Mistakes: A Framework for Constructing and Benchmarking Mistake Aware Egocentric Procedural Videos [18.88275830423089]
  本稿では,自己中心型手続き型ビデオの構築とベンチマークを行うフレームワークであるPIE-Vについて述べる。 ベンチマークには、ステップレベルとプロシージャレベルの品質をカバーする9つの指標を備えた統合分類法と人間のルーリックを導入する。
  論文  参考訳（メタデータ） (2026-04-16T15:14:29Z)
• MistExit: Learning to Exit for Early Mistake Detection in Procedural Videos [53.5354731425141]
  ビデオにおける早期誤り検出の課題について紹介する。 本研究の目的は,プロシージャ活動におけるキーステップが,ストリーミング映像を可能な限り少なく観察しながら正しく実行されるかどうかを判断することである。 本稿では,誤り検出と強化学習ポリシを組み合わせた手法を提案する。
  論文  参考訳（メタデータ） (2026-03-15T07:14:49Z)
• PREGO: online mistake detection in PRocedural EGOcentric videos [49.72812518471056]
  自己中心型ビデオにおける誤り検出のための,最初のオンライン一級分類モデルであるPregoを提案する。 PreGOは、現在のアクションをモデル化するオンラインアクション認識コンポーネントと、次のアクションを予測するシンボリック推論モジュールに基づいている。 手続き的誤り検出のオンラインベンチマークに適応する2つの手続き的自己中心型ビデオデータセットであるAmbly101とEpic-tentについてPreGOを評価した。
  論文  参考訳（メタデータ） (2024-04-02T13:27:28Z)

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。