論文の概要: Learning Robot Policies from Sparse Success Signals via STL-Guided Stein Variational Policy Gradient

• arxiv url: http://arxiv.org/abs/2609.31606v1
• Date: Fri, 25 Sep 2026 17:55:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.530492
• Title: Learning Robot Policies from Sparse Success Signals via STL-Guided Stein Variational Policy Gradient
• Title（参考訳）: STL-Guided Stein Variational Policy Gradient を用いたスパース成功信号からの学習ロボット政策
• Abstract要約: 完了が協調行動や正確な接触結果に依存する場合、あるいは複数の条件を同時に満たす場合、成功信号の少ないタスクに対するロボットポリシーの学習は困難である。 本稿では,スムーズなSTLを軌道レベルの学習目的として用いたSTL-SVPG(Signal Temporal Logic-Guided Stein Variational Policy Gradient)を提案する。 本研究では,6つのクアッドコプターとマニピュレータのタスクに対して,イベントトリガー応答,厳密な順序づけられた動作,特定の期限内の応答,世界との物理的相互作用を含むアプローチを評価する。
• 参考スコア（独自算出の注目度）: 14.885004336812528
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning robot policies for tasks with sparse success signals is challenging when completion depends on coordinated actions, precise contact outcomes, or satisfying several conditions together. Intricate physical interactions with the world further complicate these requirements. Prior work using conventional reward shaping mechanisms provides dense feedback but local progress might not translate into eventual task completion. We present Signal Temporal Logic-guided Stein Variational Policy Gradient (STL-SVPG), a population-based method that uses smooth STL robustness as a trajectory-level training objective. Differentiating this objective through the dynamics assigns credit to policy actions according to their effect on the complete task specification, rather than local progress alone. We evaluate the approach on six quadcopter and manipulator tasks that involves event-triggered responses, strictly ordered behavior, responses within specified deadlines, and physical interaction with the world. STL-SVPG achieves the highest mean success rate among the compared methods on five of six benchmarks. Simulation-trained policies trained in simulation transfer temporal and contact task behavior to the real world.
• Abstract（参考訳）: 完了が協調行動や正確な接触結果に依存する場合、あるいは複数の条件を同時に満たす場合、成功信号の少ないタスクに対するロボットポリシーの学習は困難である。 世界との複雑な物理的相互作用はこれらの要求をさらに複雑にする。 従来の報酬形成機構を用いた以前の作業は、密集したフィードバックを提供するが、局所的な進捗は最終的なタスク完了には変換されない。 STL-SVPG(Signal Temporal Logic-Guided Stein Variational Policy Gradient)は,スムーズなSTLロバストネスを軌道レベルの学習目的として用いる。 この目的をダイナミクスを通じて区別することは、局所的な進歩のみではなく、完全なタスク仕様に対する影響に応じて、政策行動に信用を割り当てます。 本研究では,6つのクアッドコプターとマニピュレータのタスクに対して,イベントトリガー応答,厳密な順序づけられた動作,特定の期限内の応答,世界との物理的相互作用を含むアプローチを評価する。 STL-SVPGは6つのベンチマークのうち5つのベンチマークで比較した手法の平均成功率が最も高い。 実世界への時間的・接触的タスク行動のシミュレーション訓練

関連論文リスト

• Affordance-Graphed Task Worlds: Self-Evolving Task Generation for Scalable Embodied Learning [38.10198732103412]
  Affordance-Graphed Task Worlds (AGT-World) は対話型シミュレーション環境とそれに対応するロボットタスクポリシーを自律的に構築するフレームワークである。 ランダムな提案や静的レプリケーションに依存するメソッドとは異なり、AGT-Worldは構造化グラフとしてタスク空間を定式化している。 提案手法は,スケーラブルなロボット学習のための提案,実行,修正の自己改善サイクルを達成し,成功率と一般化を著しく上回る。
  論文  参考訳（メタデータ） (2026-02-12T15:23:45Z)
• COMBO-Grasp: Learning Constraint-Based Manipulation for Bimanual Occluded Grasping [56.907940167333656]
  集積ロボットグルーピングは、表面衝突などの環境制約により、所望のグルーピングポーズが運動的に不可能な場所である。 従来のロボット操作アプローチは、人間が一般的に使用する非包括的または双対的戦略の複雑さに苦しむ。 本稿では,2つの協調ポリシーを活用する学習ベースアプローチであるCOMBO-Grasp(Constraint-based Manipulation for Bimanual Occluded Grasping)を紹介する。
  論文  参考訳（メタデータ） (2025-02-12T01:31:01Z)
• Single-Shot Learning of Stable Dynamical Systems for Long-Horizon Manipulation Tasks [48.54757719504994]
  本稿では,必要なトレーニングデータ量を削減しつつ,タスク成功率の向上に焦点をあてる。 提案手法では,長距離実証をウェイポイントとサブゴールで定義された離散ステップに分割する手法を提案する。 シミュレーションと実世界の両方の実験を通して,本手法を検証し,シミュレーションから物理ロボットプラットフォームへの効果的移行を実証した。
  論文  参考訳（メタデータ） (2024-10-01T19:49:56Z)
• Planning to Practice: Efficient Online Fine-Tuning by Composing Goals in Latent Space [76.46113138484947]
  汎用ロボットは、現実世界の非構造環境において困難なタスクを完了するために、多様な行動レパートリーを必要とする。 この問題に対処するため、目標条件強化学習は、コマンド上の幅広いタスクの目標に到達可能なポリシーを取得することを目的としている。 本研究では,長期的課題に対する目標条件付き政策を実践的に訓練する手法であるPlanning to Practiceを提案する。
  論文  参考訳（メタデータ） (2022-05-17T06:58:17Z)

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。