論文の概要: Behavior-Aligned Action Tokenization for Robot Policy Learning

• arxiv url: http://arxiv.org/abs/2609.27513v1
• Date: Wed, 23 Sep 2026 08:12:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.939839
• Title: Behavior-Aligned Action Tokenization for Robot Policy Learning
• Title（参考訳）: ロボット政策学習のための行動適応型行動トークン化
• Abstract要約: 自己回帰型ロボットポリシーは、観察から個別のアクショントークンを予測することによって、継続的な制御を学習する。 本研究では,対応する動作チャンクを選択し,その量子化座標を再構成とともに整列させる行動適応型行動トークン化(BAAT)を提案する。 履歴条件付き拡散復号器はこれらのトークンから連続的なアクションチャンクを再構成し、下流の自己回帰ポリシーはそれらを予測することを学ぶ。
• 参考スコア（独自算出の注目度）: 9.37360970873363
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autoregressive robot policies learn continuous control by predicting discrete action tokens from observations. Different tasks often share local motions, yet behavioral correspondence across demonstrations receives limited explicit supervision in existing tokenizers. Motions with different timing can therefore lack a shared representation despite following similar patterns. We propose Behavior-Aligned Action Tokenization (BAAT), which uses soft dynamic time warping (Soft-DTW) to select corresponding action chunks and aligns their quantized coordinates jointly with reconstruction. This objective encourages similar motions across tasks to occupy nearby quantized representations while retaining executable action detail. A history-conditioned diffusion decoder reconstructs continuous action chunks from these tokens, and a downstream autoregressive policy learns to predict them. We evaluate BAAT on selected tasks from three simulation benchmarks and two real robot tasks. BAAT achieves a mean simulation success rate of approximately 45.2%, exceeding OAT by approximately 7.2 percentage points. In the controlled LIBERO-All alignment ablation, policy success rises from 70.2% to 79.0% while trajectory replay success decreases. These results support behavioral correspondence as supervision for organizing shared motion structure in action tokenizers and improving downstream robot policy learning.
• Abstract（参考訳）: 自己回帰型ロボットポリシーは、観察から個別のアクショントークンを予測することによって、継続的な制御を学習する。 異なるタスクは、しばしば局所的な動きを共有するが、実演間での行動対応は、既存のトークン化器において限定的な監督を受ける。 したがって、異なるタイミングの動作は、類似したパターンに従うにもかかわらず共有表現を欠く可能性がある。 本研究では,ソフトダイナミック・タイム・ワープ(Soft-DTW)を用いて対応する動作チャンクを選択し,その量子化座標を再構成とともに整列する行動適応型行動トークン化(BAAT)を提案する。 この目的は、タスク間の同様の動きを奨励し、近くの量子化された表現を占有し、実行可能なアクションの詳細を保持する。 履歴条件付き拡散復号器はこれらのトークンから連続的なアクションチャンクを再構成し、下流の自己回帰ポリシーはそれらを予測することを学ぶ。 3つのシミュレーションベンチマークと2つの実ロボットタスクから選択したタスクに対するBAATを評価する。 BAATのシミュレーション成功率はおよそ45.2%で、OATを約7.2ポイント上回る。 制御されたLIBERO-Allアライメントアブレーションでは、政策成功は70.2%から79.0%に上昇し、軌道上のリプレイ成功は減少する。 これらの結果は,アクショントークンの共有動作構造を整理し,下流ロボットのポリシー学習を改善するために,行動対応を支援する。

関連論文リスト

• Shared Execution-Clock Drifting Policy for Dynamic Precision Manipulation [2.44955840609554]
  実行リズムは、ロボットが期限前に一連の調整を完了しなければならない場合に重要である。 本稿では、実行リズムを1ステップのアクション生成の明示的な部分とする共有実行クロックドリフト(SECD)を提案する。 NVIDIA Thor を用いた 4 つの実ロボットタスクを対象としたSECD の評価を行った。
  論文  参考訳（メタデータ） (2026-09-20T02:42:31Z)
• ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models [40.14720118215973]
  アクショントークンーは自己回帰視覚アクション(VLA)モデルにおいて中心的な役割を果たす。 トークン化が再建後の局所的物理的距離ランキングをどれだけよく保存するかを測定するために,身体的ランクの整合性(PRC)を導入する。 本稿では,表現学習と量子化の連携による身体行動関係の保存を行うActionPieceを提案する。
  論文  参考訳（メタデータ） (2026-09-16T11:19:54Z)
• AutoIntervene: Calibrated Intervention for Action-Chunking Imitation Learning Policies [4.786936073180585]
  アクションチャンキングビズモータポリシは、デモから学び、時間的一貫性を改善する。 デプロイ中にアクションチャンキングポリシーとオペレータ間で制御を選択的に転送するオンラインフレームワークであるAutoInterveneを提案する。
  論文  参考訳（メタデータ） (2026-08-07T10:14:29Z)
• Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control? [78.81308700607651]
  アクションチャンキングは単一のアクションではなく、複数のアクションを予測し、実行する。 非マルコフ表現率の増大と、マルコフポリシーと比較して複合誤差の低減による作用チャンキングの利点が示された。 本稿では,アンサンブルを明示的にインスタンス化することで,アクションチャンキングのメリットを増幅するポリシークラスを提案する。
  論文  参考訳（メタデータ） (2026-08-03T17:32:45Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• Weakly-supervised Action Transition Learning for Stochastic Human Motion Prediction [81.94175022575966]
  動作駆動型人間の動作予測の課題について紹介する。 一連の動作ラベルと短い動作履歴から、複数の可算な将来の動作を予測することを目的としている。
  論文  参考訳（メタデータ） (2022-05-31T08:38:07Z)

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。