論文の概要: StageGuard: Learning Stage Transitions for Long-Horizon Robot Tasks via Agentic Distillation
- arxiv url: http://arxiv.org/abs/2609.20791v1
- Date: Thu, 17 Sep 2026 17:53:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.4172
- Title: StageGuard: Learning Stage Transitions for Long-Horizon Robot Tasks via Agentic Distillation
- Title（参考訳）: StageGuard: エージェント蒸留による長距離ロボットタスクの学習段階遷移
- Abstract要約: StageGuardは、正確かつ効率的な段階遷移決定のためのエージェント蒸留フレームワークである。
軽量な学生VLMはこれらの説明を用いて、教師付き微調整に使用されるコンパクトな自己説明を生成する。
その結果、効率的なオンラインモニタリングをサポートしながら、ステージ遷移予測を大幅に改善した。
- 参考スコア（独自算出の注目度）: 10.530444098094323
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hierarchical planning frameworks combine skills from multiple robot control policies for long-horizon task execution, where determining when to terminate the current skill and advance to the next subtask is essential. Existing approaches often rely on pre-designed completion signal checkers that are hard to obtain in real-world execution. Large-scale vision-language models (VLMs) offer strong reasoning capabilities, but their decision boundaries are not inherently aligned with task completion criteria, while cloud deployment and lengthy reasoning introduce substantial latency, limiting real-time monitoring. We propose StageGuard, an agentic distillation framework for accurate and efficient stage-transition decisions. StageGuard combines teacher-model reasoning with demonstration trajectories to generate structured explanations of subtask completion and policy switching. A lightweight student VLM uses these explanations to generate compact self-explanations, which are used for supervised fine-tuning. We evaluate stage-transition prediction on trajectories from two benchmarks and assess closed-loop task success through integration into hierarchical robot control on BEHAVIOR-1K, with further validation on real robots. Results show substantial improvements in stage-transition prediction while supporting efficient online monitoring.
- Abstract（参考訳）: 階層的計画フレームワークは、複数のロボット制御ポリシーのスキルを組み合わさって、長期的なタスク実行を行い、いつ現在のスキルを終了し、次のサブタスクに進むかを決めることが不可欠である。
既存のアプローチは、実世界の実行では入手が難しい、事前に設計された完了信号チェッカーに依存していることが多い。
大規模視覚言語モデル(VLM)は強力な推論機能を提供するが、その決定境界は本質的にタスク完了基準と一致していない。
そこで我々は, 精密かつ効率的な段階遷移決定のためのエージェント蒸留フレームワークであるStageGuardを提案する。
StageGuardは、教師モデル推論と実証軌道を組み合わせることで、サブタスクの完了とポリシーの切り替えに関する構造化された説明を生成する。
軽量な学生VLMはこれらの説明を用いて、教師付き微調整に使用されるコンパクトな自己説明を生成する。
我々は,2つのベンチマークからの軌道の段階遷移予測を評価し,BEHAVIOR-1K上の階層型ロボット制御の統合によるクローズドループタスク成功の評価を行い,実際のロボットに対するさらなる検証を行った。
その結果、効率的なオンラインモニタリングをサポートしながら、ステージ遷移予測を大幅に改善した。
関連論文リスト
- Towards Neuro-Symbolic Procedural Reasoning for Long-Horizon Vision-Language-Action Manipulation [12.461719086222788]
視覚言語アクション(VLA)モデルは短い操作スキルを実行することができるが、長い水平手順では不安定である。
本稿では,学習したVLA制御と明示的なタスクグラフ,マルチモーダル・プロシージャ記憶を組み合わせたニューロシンボリック・フレームワークについて検討する。
論文 参考訳（メタデータ） (2026-09-04T17:14:50Z) - Beyond Flat Policies: Hierarchical Post-Training for Embodied Agents in Robotic Manipulation [34.87301719899886]
視覚言語アクション(VLA)モデルは、事前訓練された視覚言語モデルを活用することで、ロボット操作において顕著な能力を示した。
既存のポストトレーニング手法は、主にVLAモデルをフラットポリシーとして最適化し、タスクの進行を明示的にモデル化し、堅牢な長距離操作を行うのが困難である。
階層型ロボット制御(HiRoC)は,ハイレベルなタスク計画と低レベルなアクション実行を分離する階層型ポストトレーニングフレームワークである。
論文 参考訳（メタデータ） (2026-08-06T13:07:56Z) - Improving Vision-Language-Action Model Fine-Tuning with Structured Stage and Keyframe Supervision [17.146970845728813]
StaKeはVision-Language-Action(VLA)モデルのプラグイン補助監視フレームワークである。
手動のアノテーションなしで、デモグリップ状態から2つの補完信号を自動的に導き出す。
バイマニュアルシミュレーションとシングルアームのFranka実ロボットタスクの実験は、StaKeが一貫して成功率を改善することを示している。
論文 参考訳（メタデータ） (2026-06-25T09:38:11Z) - Foresight: Failure Detection for Long-Horizon Robotic Manipulation with Action-Conditioned World Model Latents [58.49879338545782]
ロングホライゾンタスクは、現実のロボット展開では一般的なものだが、そのようなタスクの障害検出は未調査のままである。
動作条件付き世界モデルからの潜在表現を用いて、操作軌跡をモニタする故障検出フレームワークであるForesightを提案する。
この結果から, 動作条件付きワールドモデル埋め込みは, 長距離操作における信頼性のある故障監視のためのスケーラブルな表現を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-06-22T09:32:28Z) - GTA: Generating Long-Horizon Tasks for Web Agents at Scale [82.43869456830664]
我々は、クローリング、検索ベースのシード、コンテキスト内生成、自動品質管理を統合したスケーラブルなフレームワーク、GTAを導入する。
eコマース、政府、フォーラム、ニュースをカバーする50以上のウェブサイトでパイプラインをインスタンス化し、マルチリンガルとマルチホップをカバーしています。
i) マルチホップWebエージェントタスク生成の形式化、(ii) 自動データ生成のための効率的で検証されたパイプラインの提案、(iii) 再現可能な評価を伴う動的ベンチマークのリリースである。
論文 参考訳（メタデータ） (2026-05-28T01:05:50Z) - SADP: Subgoal-Aware Diffusion Policy for Explainable Robots Learned from Foundation Model Generated Demonstrations [0.0]
サブゴール・アウェア拡散政策(SADP)は、人間の解釈可能なサブゴールを囲む政策実行を構成する。
軽量補助ヘッドは、サブゴール完了状態を予測し、ロボットが現在の実行段階を公開する。
UR5eロボットを用いたRLBenchシミュレーションと実世界の評価実験により,SADPがより高いタスク成功率を達成することを示した。
論文 参考訳（メタデータ） (2026-05-16T08:18:47Z) - Anticipatory Planning for Multimodal AI Agents [77.62643381558613]
予測推論を明示的に訓練する2段階強化学習フレームワークであるTraceR1を紹介する。
TraceR1は、オンラインコンピュータ使用、オフラインコンピュータ使用ベンチマーク、マルチモーダルツール使用推論タスクを含む、7つのベンチマークで評価されている。
以上の結果から,予測軌道推論は,複雑な実環境において効果的に推論,計画,行動が可能なマルチモーダルエージェント構築の鍵となる原理であることが示唆された。
論文 参考訳（メタデータ） (2026-03-17T16:55:11Z) - See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。
SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。
SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文 参考訳（メタデータ） (2026-03-10T07:22:51Z) - PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation [27.791908160098625]
PALMは、インタラクション中心のアベイランス推論とサブタスクプログレスキューに関するポリシー学習を構築する。
Palmはシミュレーションや実世界の実験において、一貫してベースラインを上回っている。
論文 参考訳（メタデータ） (2026-01-11T21:00:58Z) - RoboCerebra: A Large-scale Benchmark for Long-horizon Robotic Manipulation Evaluation [59.9896841079005]
長距離ロボット操作における高レベル推論評価のためのベンチマークであるRoboCerebraを紹介する。
データセットはトップダウンパイプラインを通じて構築され、GPTはタスク命令を生成し、それらをサブタスクシーケンスに分解する。
以前のベンチマークと比較すると、RoboCerebraはアクションシーケンスが大幅に長く、アノテーションがより密度が高い。
論文 参考訳（メタデータ） (2025-06-07T06:15:49Z)
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。