論文の概要: Latent Policy Steering: An Efficient and Flexible Framework for Cross-Embodiment Transfer

• arxiv url: http://arxiv.org/abs/2609.22521v2
• Date: Thu, 24 Sep 2026 21:34:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.021036
• Title: Latent Policy Steering: An Efficient and Flexible Framework for Cross-Embodiment Transfer
• Title（参考訳）: 潜在政策ステアリング - クロス・エボディメント・トランスファーのための効率的かつ柔軟なフレームワーク
• Abstract要約: ロボットごとのデータ収集を超えて、ロボット学習をスケールするには、クロス・エボディメント・トランスファーが不可欠だ。 本研究では,エボディメント間で共有されるものから学習することで,効率的な移動を実現することができることを示す。 提案したフレームワークは、LPS (Latent Policy Steering) と呼ばれ、エボディメントに依存しない事前学習フェーズを実装している。
• 参考スコア（独自算出の注目度）: 7.706435284226842
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The performance of learned robot visuomotor policies depends heavily on the size and quality of their training data, yet collecting high-quality demonstrations remains costly for robots in the real world. Although large-scale robot and human datasets are increasingly available, embodiment gaps and mismatched action spaces make them difficult to leverage directly. Cross-embodiment transfer, reusing experience from other embodiments to improve learning on a target embodiment, is therefore crucial for scaling robot learning beyond per-robot data collection. In this work, we find that efficient transfer can be achieved by learning from what is shared across embodiments, the visual dynamics of how the world responds to motion, and by effectively exploiting the scarce target-embodiment data at test time. The proposed framework, called Latent Policy Steering (LPS), implements an embodiment-agnostic pretraining phase, which trains an image-based World Model (WM) with optical flow across diverse embodiments. The resulting WM is finetuned on the target embodiment with robot actions. It then steers the base policy toward better actions by searching in the WM's latent space for plans that stay close to the finetuning data. LPS is a policy-agnostic framework: it can flexibly accommodate different policies without having to retrain them. In Robomimic and real-world evaluations, LPS improves the average performance of Diffusion Policy relatively by 16% and 62%, and Pi0.5 by 8% and 14%, with only 50 demonstrations on an unseen target embodiment.
• Abstract（参考訳）: 学習ロボットビジュモータポリシーのパフォーマンスはトレーニングデータのサイズと品質に大きく依存するが、実世界のロボットにとって高品質なデモ収集はコストがかかる。 大規模なロボットと人間のデータセットはますます利用可能になっているが、具体的ギャップと不一致のアクションスペースは、直接的に活用することが困難である。 したがって、ロボットごとのデータ収集を超えてロボット学習をスケールするためには、異体間移動、他の実施形態からの体験の再利用、対象実施形態での学習の改善が不可欠である。 本研究では,身体間で共有されるものから,世界が動作にどう反応するかの視覚的ダイナミクスを学習し,テスト時に少ない目標・身体データを効果的に活用することで,効率的な移動を実現することができることを示す。 提案したフレームワークはLPS (Latent Policy Steering) と呼ばれ、様々な実施形態を横断する光学的流れを持つ画像ベースワールドモデル (WM) を訓練する、具体化に依存しない事前訓練フェーズを実装している。 結果のWMは、ロボット動作により目標実施体に微調整される。 次に、WMの潜伏空間で細かなデータに近づき続ける計画を探すことで、より良い行動に向けた基本方針を定めます。 LPSは、ポリシーに依存しないフレームワークである。 ロブミミックおよび実世界の評価では、LPSは拡散政策の平均性能を16%、62%改善し、Pi0.5は8%、Pi0.5は14%改善した。

関連論文リスト

• GigaWorld-1: A Roadmap to Build World Models for Robot Policy Evaluation [73.02743604295246]
  WMBenchは、実際のロボット遠隔操作データとポリシーのロールアウトから構築されたベンチマークである。 7つのビデオワールドモデル,4つのアクション表現スキーム,および実際のロボット実行と組み合わせた324,000以上のシミュレートされたポリシーロールアウトを分析した。 評価者の品質は、短期的な視覚的リアリズムよりも、長期的な、行動に忠実なロールアウト一貫性に支配されている。
  論文  参考訳（メタデータ） (2026-07-02T17:02:43Z)
• X-OP: Cross-Morphology Whole-Body Teleoperation via MPC Retargeting [3.134050607080983]
  全体遠隔操作は、ロコ操作タスクにおけるスケーラブルなロボットデータ収集に不可欠である。 単一のXRデバイスによって駆動される階層的な全身遠隔操作フレームワークを提案する。 我々は,ヒューマノイドと移動マニピュレータの双方において,全身制御タスクにおいて高い成功率を示す。
  論文  参考訳（メタデータ） (2026-06-06T01:50:59Z)
• One-Policy-Fits-All: Geometry-Aware Action Latents for Cross-Embodiment Manipulation [51.66470249744105]
  ロボット操作のスケーラビリティ向上には,クロス・エボディメント操作が不可欠である。 我々は,複数の実施形態をまたいだ多目的政策を学習可能なフレームワークであるOneFits-All(OPFA)を提案する。
  論文  参考訳（メタデータ） (2026-03-15T17:59:08Z)
• Rethinking Visual-Language-Action Model Scaling: Alignment, Mixture, and Regularization [65.37179698521766]
  VLA(Vision-Language-Action)モデルは、ジェネラリストロボットの制御を強く約束する。 標準的な「スケールデータ」レシピがロボット工学に翻訳されるかどうかはまだ不明だ。 本稿では,多様なロボットを対象とした事前学習のためのコアトレーニング選択を再考する,VLAスケーリングの体系的かつ制御された研究を提案する。
  論文  参考訳（メタデータ） (2026-02-10T12:25:43Z)
• A Systematic Study of Data Modalities and Strategies for Co-training Large Behavior Models for Robot Manipulation [11.026552246133521]
  大規模行動モデルでは、模倣学習をマルチタスクロボットデータによる大規模トレーニングに拡張することで、厳密な操作能力を示している。 最近の研究は、目標となるロボットデータと異種データモダリティから共同で学習するコトレーニングに依存している。 本稿では,標準的な視覚言語データ,ロボット軌道用高密度言語アノテーション,クロス・エボディメント・ロボットデータ,ヒューマンビデオ,離散ロボットアクショントークンの5つのコトレーニングデータモダリティについて,大規模な実証的研究を行った。
  論文  参考訳（メタデータ） (2026-02-01T07:22:55Z)
• SPIDER: Scalable Physics-Informed Dexterous Retargeting [45.24491726503442]
  ヒューマノイドとデキスタラスハンドコントロールのためのデキスタラスとアジャイルのポリシーを学ぶには、大規模なデモが必要です。 人間のモーションデータは、モーションキャプチャー、ビデオ、バーチャルリアリティーから利用可能で、データ不足の問題に対処するのに役立ちます。 本研究では,人間の実演をロボット軌道に動的に拡張する物理ベースのフレームワークであるSPIDERを提案する。
  論文  参考訳（メタデータ） (2025-11-12T16:54:00Z)
• Latent Policy Steering with Embodiment-Agnostic Pretrained World Models [7.706435284226842]
  我々は,既存の費用対効果のあるデータを活用することで,ロボットの動作を学習する際のデータ収集の労力を削減することを目的としている。 我々は,多身体データを用いた世界モデル(WM)のトレーニングを行うために,光学フローを具体化に依存しない動作表現として利用する。 我々は,WMの潜在空間を探索して行動閉鎖ポリシーの出力を改善する手法,LPS (Latent Policy Steering) を開発した。
  論文  参考訳（メタデータ） (2025-07-17T17:57:57Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。 スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• Steering Your Generalists: Improving Robotic Foundation Models via Value Guidance [66.51390591688802]
  バリューガイド型ポリシーステアリング(V-GPS)は、ポリシーの重みを微調整したり、アクセスしたりすることなく、幅広い種類のジェネラリストポリシーと互換性がある。 同じ値関数は、異なるアーキテクチャで5つの最先端ポリシーの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-10-17T17:46:26Z)

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。