論文の概要: Federated Subspace Guided Vision-Language-Action Policy Distillation for Non-IID Multi-Robot Manipulation

• arxiv url: http://arxiv.org/abs/2609.32239v1
• Date: Sat, 26 Sep 2026 04:56:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 18:34:51.100786
• Title: Federated Subspace Guided Vision-Language-Action Policy Distillation for Non-IID Multi-Robot Manipulation
• Title（参考訳）: 非IIDマルチロボットマニピュレーションのためのフェデレーションサブスペース誘導型ビジョンランゲージ・アクションポリシー蒸留
• Abstract要約: FedDRManは、異種ロボット操作のためのサブスペース誘導蒸留フレームワークである。 クライアントを更新互換性でグループ化し、各クラスタに対して永続的なモデルを維持する。 常に強力な連合ベースラインを上回り、最高平均成功率は80.7%に達する。
• 参考スコア（独自算出の注目度）: 19.877595524459704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Federated learning offers a natural way for multiple robots to jointly improve manipulation policies without requiring centralized access to training demonstrations. However, non-IID task and environment distributions can induce representation drift and mutually incompatible robot-policy updates, making naive parameter aggregation destructive. We present FedDRMan, a federated subspace-guided distillation framework for heterogeneous robot manipulation. At each communication round, the server model provides a frozen teacher for local behavior cloning, while low-rank multimodal subspace and action-distribution distillation preserve globally useful representation geometry and policy behavior. To address heterogeneous aggregation, FedDRMan groups clients by update compatibility and maintains a persistent model for each cluster. The server then spectrally rebalances each compatible aggregate to mitigate attenuation of weaker task-relevant robot-policy update directions. Extensive experiments on LIBERO across diverse non-IID settings, heterogeneity levels, client participation variation, together with ablations and aggregation analyses, show that FedDRMan substantially improves knowledge transfer and consistently outperforms strong federated baselines achieving a peak mean success rate of 80.7%, 11.6 percentage points above the strongest evaluated federated baseline.
• Abstract（参考訳）: フェデレーション学習は、複数のロボットがトレーニングデモに集中的にアクセスすることなく、操作ポリシーを共同で改善する自然な方法を提供する。 しかし、非IIDタスクと環境分布は、表現のドリフトと相互に互換性のないロボット政治更新を誘導し、ナイーブパラメータアグリゲーションを破壊する。 ヘテロジニアスロボット操作のためのサブスペース誘導蒸留フレームワークであるFedDRManを提案する。 各通信ラウンドにおいて、サーバモデルは局所的な行動クローニングのための凍結した教師を提供する一方、低ランクなマルチモーダル部分空間とアクション分散蒸留は、グローバルに有用な表現幾何学とポリシー行動を保存する。 不均一なアグリゲーションに対処するため、FedDRManはクライアントを更新互換性でグループ化し、各クラスタに対して永続的なモデルを維持する。 次に、サーバは、各互換アグリゲーションをスペクトル的にリバランスし、より弱いタスク関連ロボットポリシー更新方向の減衰を緩和する。 LIBEROの多種多様な非IID設定、不均一度レベル、クライアント参加変動、アブレーションとアグリゲーション分析により、FedDRManは知識伝達を大幅に改善し、最も評価された最上位のフェデレーションベースラインよりも80.7%、11.6ポイントのピーク平均成功率を達成する強力なフェデレーションベースラインを一貫して上回ることを示した。

関連論文リスト

• CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy [67.76658561040625]
  CHORUSは、多様なマルチロボットチームを制御するために、単一のビジョン言語アクション(VLA)バックボーンに適応するフレームワークである。 実験では、CHORUSは分散化されたスクラッチモデルよりも64%のポイント改善を実現している。 その結果,共有VLAバックボーンは分散マルチロボットコラボレーションを実現することができることがわかった。
  論文  参考訳（メタデータ） (2026-06-10T17:26:08Z)
• Set-Supervised Diffusion Policy: Learning Action-Chunking Diffusion through Corrections [25.961145214027255]
  拡散ポリシーは、ロボットの望ましくない行動と人間の教師の矯正行動の形でペア化された監督を提供する。 提案するSDP(Set-Supervised Diffusion Policy)は,コントラッシブなアクションチャンクデータを用いて,人間の修正から拡散ポリシーを訓練する新しい学習フレームワークである。 SDPは、特にノイズの多いデータに対するロバスト性において、ポリシーパフォーマンスを継続的に改善する。
  論文  参考訳（メタデータ） (2026-06-01T08:14:38Z)
• Generative Multi-Robot Motion Planning via Diffusion Modeling with Multi-Agent Reinforcement Learning Guidance [0.45030648826819175]
  本稿では,協調型マルチロボット動作計画のためのフレームワークを提案する。 分散生成軌道計画とマルチエージェント強化学習(MARL)に基づく協調を組み合わせる。 その結果, 提案した拡散計画により, エージェント間干渉率を55.4%から41.8%に低下させることがわかった。
  論文  参考訳（メタデータ） (2026-05-30T23:54:04Z)
• FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation [52.56850762009136]
  ソーシャルボットの検出は、オンラインソーシャルプラットフォームの安定性とセキュリティに不可欠である。 現在の最先端のボット検出モデルは、主に独立して開発されている。 クロスプラットフォームおよびクロスモデル検出フレームワークとしてFedRioを提案する。
  論文  参考訳（メタデータ） (2026-04-12T15:13:41Z)
• HALyPO: Heterogeneous-Agent Lyapunov Policy Optimization for Human-Robot Collaboration [37.15750888195892]
  ヘテロジニアスエージェントのリアプノフ政策最適化(HALyPO)を提案する。 HALyPOは、分散政策学習の安定化にLyapunov認証を使用している。 この証明された安定性は、コラボレーティブコーナーケースにおける一般化とロバスト性を改善することを示す。
  論文  参考訳（メタデータ） (2026-03-04T05:26:13Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• Robot Fleet Learning via Policy Merging [58.5086287737653]
  我々はFLEET-MERGEを提案し、艦隊設定における政策を効率的にマージする。 本稿では,FLEET-MERGEがメタワールド環境における50のタスクで訓練されたポリシーの行動を統合することを示す。 合成・接触に富んだロボット操作タスクにおけるフリートポリシー学習のための新しいロボットツール用ベンチマークであるFLEET-TOOLSを導入する。
  論文  参考訳（メタデータ） (2023-10-02T17:23:51Z)
• Centralizing State-Values in Dueling Networks for Multi-Robot Reinforcement Learning Mapless Navigation [87.85646257351212]
  本稿では,CTDE(Training and Decentralized Execution)パラダイムにおけるマルチロボットマップレスナビゲーションの問題点について考察する。 この問題は、各ロボットが観察を他のロボットと明示的に共有することなく、その経路を考えると困難である。 我々は,集中型状態値ネットワークを用いて共同状態値を計算するCTDEの新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-16T16:47:00Z)

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。