論文の概要: SEES: A Self-Evolving Embodied System via Failure-Guided VLA Policy Adaptation

• arxiv url: http://arxiv.org/abs/2609.32698v1
• Date: Sat, 26 Sep 2026 14:58:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 21:11:13.867257
• Title: SEES: A Self-Evolving Embodied System via Failure-Guided VLA Policy Adaptation
• Title（参考訳）: SEES: 障害誘導型VLA政策適応による自己進化型体操システム
• Abstract要約: SEES(Self-Evolving Embodied System)は失敗から学び、新たな専門家によるデモンストレーションなしでVLAポリシーを改善します。 SEESは長距離タスクをアトミックタスクに分解し、対応する家族ポリシーにルーティングする。 オンラインRLは共有ファミリーアダプタを更新し、関連する原子スキル間の正の伝達を促進する。
• 参考スコア（独自算出の注目度）: 91.40711822875284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent vision-language-action (VLA) policies demonstrate promising generalization across diverse short-horizon tasks. However, they remain unreliable on long-horizon tasks, partly because the large-scale training data is biased toward single-stage manipulation tasks that are cheaper to demonstrate. A single weak atomic skill can cause failures across multiple multi-stage tasks. To address such failures, existing methods often require experts to identify the bottleneck and provide additional demonstrations, making the improvement costly and potentially impractical after deployment. To this end, we present a Self-Evolving Embodied System (SEES) that learns from failures and improves the VLA policy without additional expert demonstrations. SEES decomposes long-horizon tasks into atomic tasks and routes them to corresponding family policies. Each family consists of related atomic skills that share one VLA adapter. During execution, the system automatically monitors atomic-task outcomes to identify the most frequently failing atomic skills as the current bottlenecks. To overcome these bottlenecks, SEES constructs tailored RL tasks in simulation by restoring previously encountered states and generating task-specific success criteria with an LLM. Online RL updates the shared family adapters to promote positive transfer among related atomic skills and cumulative improvement across evolution rounds. Extensive experiments show that SEES can be integrated with different VLA backbones to progressively improve their long-horizon performance. We also observe continued improvement on unseen tasks, providing evidence of transfer beyond the evolution settings.
• Abstract（参考訳）: 近年の視覚-言語-アクション (VLA) 政策は、様々な短距離タスクにまたがる有望な一般化を示している。 しかし、大規模なトレーニングデータは、より安価なシングルステージ操作タスクに偏っているため、長期的なタスクには信頼性が低いままである。 単一の弱いアトミックスキルは、複数のマルチステージタスクに障害を引き起こす可能性がある。 このような障害に対処するため、既存の手法では、専門家がボトルネックを特定し、追加のデモを提供する必要があることが少なくない。 この目的のために我々は,失敗から学び,新たな専門家によるデモンストレーションを伴わずにVLA政策を改善する自己進化型体操システム(SEES)を提案する。 SEESは長距離タスクをアトミックタスクに分解し、対応する家族ポリシーにルーティングする。 各ファミリーは1つのVLAアダプタを共有する関連する原子スキルで構成されている。 実行中、システムは自動的に原子タスクの結果を監視し、最も頻繁に失敗する原子スキルを現在のボトルネックとして識別する。 これらのボトルネックを克服するために、SEESは以前に遭遇した状態を復元し、LLMでタスク固有の成功基準を生成することでシミュレーションで調整されたRLタスクを構築する。 オンラインRLは共有ファミリーアダプタを更新して、関連する原子スキル間の正の伝達を促進し、進化ラウンドにおける累積的な改善を促進する。 大規模な実験により、SEESは様々なVLAバックボーンと統合され、長い水平性能が徐々に改善されることが示された。 また、未確認タスクの継続的な改善も観察し、進化設定を超えた移行の証拠を提供する。

関連論文リスト

• V-Gym: Enhancing Agentic Visual Reasoning via Skill-Data Co-Evolution [68.43599428916389]
  V-Gymは、手続き的なスキルと実行軌跡からのマルチモーダルな実践データを反復的に進化させる、自律的なフレームワークである。 スキル進化の過程で、V-Gymは軌道を分析して階層的なスキルを蒸留し、洗練し、手続き的なガイダンスと適用性条件を更新する。 結果として得られた実践結果は、その後のスキル更新にフィードバックされ、継続的なスキル改善のループを閉じます。
  論文  参考訳（メタデータ） (2026-09-28T09:09:24Z)
• Foresight Residual RL for Long-Horizon Robot Manipulation with Vision-Language-Action Models [32.14222486099161]
  VLA(Vision-Language-Action)ポリシーは、強力な汎用的な操作先を提供するが、厳密で接触に富んだアセンブリでは失敗することが多い。 凍結VLA基本方針に対する残留強化学習において,この障害モードを示す。 本稿では,各サブタスクのスパース成功報酬をオフライン推定フォレスト値で加算することにより,ハンドオフ品質を最適化するResidual RLを提案する。
  論文  参考訳（メタデータ） (2026-07-17T21:00:28Z)
• EXPO-FT: Sample-Efficient Reinforcement Learning Finetuning for Vision-Language-Action Models [84.73890225707264]
  提案するEXPO-FTは,事前学習したVLAポリシーの安定かつサンプル効率の良いRL微調整システムである。 本システムは,オンラインロボットデータの平均19.1分以内の全ての評価課題に対して,完全なタスク性能(30/30の成功)を実現する。 我々は、ロボット工学におけるVLAモデルのより広範なRLファインタニング導入を促進することを目的とした、オープンソースのロバスト性をリリースする。
  論文  参考訳（メタデータ） (2026-05-25T06:31:03Z)
• Think Twice, Act Once: Verifier-Guided Action Selection For Embodied Agents [23.69429098915734]
  Verifier-Guided Action Selection (VegAS)はMLLMベースのエンボディエージェントの堅牢性を改善するために設計されたテストタイムフレームワークである。 我々は、VeGASが常に一般化を改善し、CoTベースラインよりも36%の性能向上を実現していることを示す。
  論文  参考訳（メタデータ） (2026-05-12T18:08:24Z)
• Jump-Start Reinforcement Learning with Vision-Language-Action Regularization [1.2599533416395767]
  強化学習(RL)は、ロボット操作のための高周波閉ループ制御を可能にする。 現在の制限は、高速かつ正確な操作において直接の使用を妨げる。 探索と学習効率を向上させるために,VLAJS(Vision-Language-Action Jump-Starting)を提案する。
  論文  参考訳（メタデータ） (2026-04-15T11:17:54Z)
• SELF-VLA: A Skill Enhanced Agentic Vision-Language-Action Framework for Contact-Rich Disassembly [5.973392871392723]
  視覚言語アクション(VLA)モデルは、標準的なロボット操作タスクにおいて印象的なパフォーマンスを示している。 明示的な分解スキルを統合したエージェントVLAフレームワークであるSELF-VLAを提案する。
  論文  参考訳（メタデータ） (2026-03-10T22:30:28Z)
• AtomicVLA: Unlocking the Potential of Atomic Skill Learning in Robots [92.18094199070693]
  現実世界のロボットタスクは、長い水平、多段階の問題解決を伴い、継続的なスキル獲得のために一般化を必要とすることが多い。 我々は、タスクレベルの計画、アトミックスキルの抽象化、きめ細かいアクションを共同で生成する統合計画実行フレームワークAtomicVLAを提案する。 シミュレーションでは、AtomicVLAはLIBEROで$_0$2.4%、LIBERO-LONGで10%、CALVINで$_0$と$_0.5$0.22、平均タスク長0.25よりパフォーマンスが良い。
  論文  参考訳（メタデータ） (2026-03-08T14:18:56Z)
• Learning Affordances at Inference-Time for Vision-Language-Action Models [50.93181349331096]
  ロボット工学において、VLA(Vision-Language-Action Model)は複雑な制御タスクを解くための有望な道を提供する。 本稿では,VLAの低レベルポリシーを過去の経験を条件とした高レベルVLMに接続するLITEN(Learning from Inference-Time Execution)を紹介する。 提案手法は,低レベルVLAの計画の生成と実行を行う推論フェーズと,その結果を反映した評価フェーズとを反復する。
  論文  参考訳（メタデータ） (2025-10-22T16:43:29Z)
• Bigger, Regularized, Categorical: High-Capacity Value Functions are Efficient Multi-Task Learners [60.75160178669076]
  オンライン強化学習におけるタスク干渉の問題に対して,クロスエントロピーを用いて訓練し,学習可能なタスク埋め込みを条件とした高容量値モデルの使用が課題であることを示す。 280以上のユニークなタスクを持つ7つのマルチタスクベンチマークで、高い自由度ヒューマノイド制御と離散視覚ベースのRLにまたがるアプローチを検証した。
  論文  参考訳（メタデータ） (2025-05-29T06:41:45Z)

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。