論文の概要: Copper-Policy: Focus on the Representation for Robust Robot Manipulation

• arxiv url: http://arxiv.org/abs/2609.32779v1
• Date: Sat, 26 Sep 2026 16:53:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 20:25:16.387749
• Title: Copper-Policy: Focus on the Representation for Robust Robot Manipulation
• Title（参考訳）: 銅政策:ロバストロボットマニピュレーションの表現に着目して
• Abstract要約: 我々は,この政策でコンパクトな世界表現を学習するCuper-Policyを紹介した。 画素を再構成することなくタスク意図に調和した将来の観察埋め込みを予測する。 表現分析により、学習した特徴は摂動からタスク駆動的変化を分離した方がよいことが示された。
• 参考スコア（独自算出の注目度）: 19.303490977989856
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World Action Models (WAMs) acquire behavioral priors by modeling future scene evolution, but predicting detailed futures in pixel or latent space incurs substantial cost. Recent evidence that co-training gains persist without test-time generation raises a question: what must a WAM learn to improve control? We introduce Copper-Policy, which learns a compact World representation with the policy rather than relying on a predefined target space. Through temporal joint-embedding prediction, it predicts future observation embeddings conditioned on task intention without reconstructing pixels. This prediction and action decoding shape the representation jointly, while the policy retains access to current-frame spatial detail for execution. Representation analyses show that the learned features better separate task-driven change from perturbations and provide complementary information for control. Compact prediction targets reduce training tokens per sample, enabling a 2B-parameter model trained in 9.67 hours on 8$\times$ RTX 5090 GPUs and 6$\times$ faster than Fast-WAM on matched A100 GPUs. Copper-Policy outperforms every compared method without embodied pretraining on RoboTwin and several embodied-pretrained VLAs on LIBERO-Plus (80.85%). On three challenging real-robot tasks, it performs comparably to $π_{0.5}$ and attains a higher average score. Together, these results show that Copper-Policy combines strong control performance with efficient training.
• Abstract（参考訳）: World Action Models (WAMs) は将来のシーンの進化をモデル化することで行動の先行情報を取得するが、ピクセルや潜在空間の詳細な未来を予測することはかなりのコストを発生させる。 テスト時間生成なしでコトレーニングゲインが持続する最近の証拠は、WAMが制御を改善するために学ぶべきことは何か、という疑問を提起する。 我々は,予め定義された目標空間に頼るのではなく,この方針でコンパクトな世界表現を学習する銅政策を紹介する。 時間的共同埋め込み予測により、画素を再構成することなくタスク意図に条件付けられた将来の観察埋め込みを予測する。 この予測と行動復号は共同で表現を形成するが、ポリシーは実行のために現在のフレーム空間の詳細へのアクセスを保持する。 表現分析により、学習した特徴は摂動からタスク駆動的変化を分離し、制御のための補完情報を提供する。 コンパクトな予測ターゲットはサンプルあたりのトレーニングトークンを削減し、8$\times$RTX 5090 GPUで9.67時間トレーニングされた2Bパラメータモデルと、マッチしたA100 GPUでFast-WAMよりも高速な6$\timesを実現する。 銅ポリシウムは、ロボツインでの事前トレーニングを実施せず、LIBERO-Plus (80.85%) でいくつかの既定VLAを実施せずに、比較法で性能が向上する。 3つの挑戦的な実ロボットタスクにおいて、$π_{0.5}$と同等に動作し、より高い平均スコアを得る。 これらの結果から,銅ポリシィは高い制御性能と効率的なトレーニングを兼ね備えていることが明らかとなった。

関連論文リスト

• Modality-Autoregressive World-Action Models [44.96048693516864]
  我々は,行動を予測する前に,複数の将来のモダリティを自己回帰的に認知する最初のWAMであるModARを紹介する。 我々は、スクラッチからトレーニングを行い、トレーニングデータの混合、予測モダリティ、WAMの定式化がパフォーマンスにどのように影響するかを体系的に研究する。
  論文  参考訳（メタデータ） (2026-09-15T17:56:24Z)
• GaussianDream++: Efficient 3D Gaussian World Modeling for Robotic Manipulation [55.47130289185285]
  VLA(Vision-Language-Action)ポリシーは、高度な言語条件のロボット操作である。 我々は textbfWorld State Tokens と textbfWorld Prediction Tokens を VLA バックボーンに直接挿入する,コンパクトでポリシーネイティブな拡張である textbfMethodname を提示する。
  論文  参考訳（メタデータ） (2026-08-26T11:41:55Z)
• JEPA-WAM: Learning Vision-Language-Action Policies with Joint-Embedding World Modeling [23.76460420882974]
  我々は,事前訓練されたV-JEPA空間に構築された潜水型WAMであるJEPA-WAMを紹介する。 遅延遷移予測と、共有予測器による連続的なアクション生成を結合する。 LIBERO-Plusでは、JEPA-WAMは79.2%を達成し、大規模なロボット政策の事前訓練を行わない最も良い結果となった。
  論文  参考訳（メタデータ） (2026-08-10T09:57:54Z)
• WEAVER, Better, Faster, Longer: An Effective World Model for Robotic Manipulation [26.48387646424999]
  WEAVER(World Estimation Across Views for Embodied Reasoning)は、3つのデシラタを同時に実現するWMアーキテクチャである。 WEAVERをロボットハードウェアに適用し、政策評価、政策改善、テストタイム計画においてその効果を実証する。
  論文  参考訳（メタデータ） (2026-06-11T17:59:15Z)
• FLARE: Robot Learning with Implicit World Modeling [87.81846091038676]
  $textbfFLARE$は、予測潜在世界モデリングをロボットポリシー学習に統合する。 $textbfFLARE$は最先端のパフォーマンスを実現し、これまでのポリシー学習のベースラインを最大26%上回っている。 この結果は、暗黙の世界モデリングと高周波ロボット制御を組み合わせた汎用的でスケーラブルなアプローチとして$textbfFLARE$を確立した。
  論文  参考訳（メタデータ） (2025-05-21T15:33:27Z)
• Exploiting Pre-trained Models for Drug Target Affinity Prediction with Nearest Neighbors [58.661454334877256]
  薬物-標的結合親和性(DTA)予測は、薬物発見に不可欠である。 DTA予測へのディープラーニング手法の適用にもかかわらず、達成された精度は依然として準最適である。 事前学習したDTA予測モデルに適用した非表現埋め込みに基づく検索手法である$k$NN-DTAを提案する。
  論文  参考訳（メタデータ） (2024-07-21T15:49:05Z)
• Contrastive Difference Predictive Coding [70.03979542891177]
  本研究では、時系列データの断片を縫合して、将来の事象の予測を学習するために必要なデータの量を減少させるコントラッシブ予測符号化の時間差版を導入する。 目的条件付きRLの非政治アルゴリズムを導出するために,この表現学習手法を適用した。
  論文  参考訳（メタデータ） (2023-10-31T03:16:32Z)
• Learning One Representation to Optimize All Rewards [19.636676744015197]
  我々は,報酬のないマルコフ決定プロセスのダイナミクスのフォワードバックワード(fb)表現を紹介する。 後尾に指定された報酬に対して、明確な準最適ポリシーを提供する。 これは任意のブラックボックス環境で制御可能なエージェントを学ぶためのステップです。
  論文  参考訳（メタデータ） (2021-03-14T15:00:08Z)

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。