論文の概要: Training-free Behavior Cloning

• arxiv url: http://arxiv.org/abs/2609.30134v1
• Date: Thu, 24 Sep 2026 17:05:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.139269
• Title: Training-free Behavior Cloning
• Title（参考訳）: トレーニング不要な行動クローン
• Abstract要約: エンド・ツー・エンドの政策トレーニングなしでポリシーを合成する行動予測制御(BPC)を導入する。 行動システム理論にインスパイアされたBPCは、格納された観測-動作データをブレンドすることによって将来の行動を予測する。 BPCは、シミュレーションベンチマークや実ロボットのデプロイで学んだポリシーと競合する。
• 参考スコア（独自算出の注目度）: 7.508566342964078
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Neural behavior cloning compresses demonstrations into large models, making individual actions difficult to trace and policy updates costly. Retrieval policies retain access to demonstrations but struggle with mismatch between recorded and live behavior. We introduce Behavior Predictive Control (BPC), which synthesizes policies without end-to-end policy training by combining an action-aware retrieval metric, a Hankel-based action-continuation prior, and a closed-form one-step residual correction. Inspired by behavioral systems theory, BPC predicts future actions by blending stored observation-action data that best reconstructs the recent runtime observation--action history. Across simulated benchmarks and real-robot deployments, BPC is competitive with learned policies such as $π_{0.5}$ (surpassing it in some cases), while reducing policy fitting from hours to seconds on consumer GPUs and supporting closed-loop control upwards of 75 Hz on a Jetson Orin Nano. The retrieved demonstration windows and their coefficients also provide an intrinsic estimate of task progress. Retaining demonstrations within the deployed policy makes its predictions traceable to supporting trajectories and enables behavior revision through the demonstration bank.
• Abstract（参考訳）: ニューラルビヘイビアクローンは、デモを大きなモデルに圧縮し、個々のアクションの追跡やポリシー更新が困難になる。 検索政策はデモへのアクセスを維持するが、記録された行動と生の行動のミスマッチに苦しむ。 行動予測制御(BPC)を導入し,行動認識検索指標,ハンケルに基づく行動継続,一段階の閉形式残差補正を組み合わせることで,エンドツーエンドの政策トレーニングなしでポリシーを合成する。 行動システム理論にインスパイアされたBPCは、記憶された観測行動データをブレンドすることで将来の行動を予測する。 シミュレーションされたベンチマークや実ロボットのデプロイ全体にわたって、BPCは、(場合によっては)π_{0.5}$のような学習済みのポリシーと競合する一方で、消費者向けGPUでは数時間から秒間、Jetson Orin Nanoでは75Hz以上のクローズドループ制御をサポートする。 検索したデモウィンドウとその係数は、タスク進捗の本質的な推定も提供する。 デプロイされたポリシー内にデモを保持することで、その予測は軌道支援にトレース可能になり、デモ銀行による行動修正が可能になる。

関連論文リスト

• JEPA Policy: Diffusion-Free Imitation Learning via Paired Action and Future Representation Prediction [6.889062419237111]
  JEPA Policyは、アクションチャンクとその観測された将来の表現をペア化されたトレーニングターゲットとして使用する、拡散のないフレームワークである。 将来の予測は、アクションを生成するために使われる表現を形作ることができる。 その結果、反復的な生成サンプリングを伴わない低遅延ビズモータ模倣に対する実践的なアプローチとして、ペア・フューチャー・リ表現の監視を支援する。
  論文  参考訳（メタデータ） (2026-09-09T02:42:20Z)
• 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)
• FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
  FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。 FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
  論文  参考訳（メタデータ） (2026-07-27T05:10:16Z)
• TapSampling: Inference-Time Sampling with a Task-Progress-Understanding Verifier for Robotic Manipulation [61.35569005726248]
  既存の具体的制御研究は、トレーニングデータとモデルサイズをスケールすることで、顕著なパフォーマンス向上を示す。 拡散や自己回帰モデルのような非決定論的生成モデルは、エンボディドコントロールの分野で広く採用されている。 推測時間サンプリングのためのプラグイン・アンド・プレイフレームワークである textbfTapSampling を提案する。
  論文  参考訳（メタデータ） (2026-05-25T08:03:31Z)
• APC-RL: Exceeding Data-Driven Behavior Priors with Adaptive Policy Composition [12.49418440326334]
  本稿では,データ駆動型正規化フローを前提とした階層モデルを提案する。 事前の厳格な遵守を強制する代わりに、APCは、対象のタスクに対する各前の適用性を推定し、探索にそれらを活用する。
  論文  参考訳（メタデータ） (2026-01-27T10:38:32Z)
• 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)

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。