論文の概要: CAPEX: Efficiently Distilling Foundation Model Behavior into Deployable Robot Policies through Experience-Adaptive Reasoning

• arxiv url: http://arxiv.org/abs/2609.33007v1
• Date: Sat, 26 Sep 2026 23:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 11:16:43.78849
• Title: CAPEX: Efficiently Distilling Foundation Model Behavior into Deployable Robot Policies through Experience-Adaptive Reasoning
• Title（参考訳）: CAPEX:経験適応推論による基礎モデル行動の展開可能なロボットポリシーへの効率的な蒸留
• Abstract要約: 本稿では,経験調和型デモコレクションフレームワークCAPEXを紹介する。 我々は,RoboCasaタスクおよびFrankaおよびバイマンガルYAM-armプラットフォーム上での評価を行った。 CAPEXは成功例の数を4.3倍にし,成功例当たりのコストを80%削減する。
• 参考スコア（独自算出の注目度）: 40.37462616241873
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot learning has largely relied on human-teleoperated demonstrations to acquire effective learnable behaviors. However, human-operated data collection processes can be unintuitive, difficult to scale, and inherently asynchronous. We explore an alternative: distilling physical behavior from general-purpose multimodal foundation models into deployable robot policies by using the foundation model itself as an autonomous demonstrator. While sufficiently capable models can generate successful zero-shot manipulation trajectories, repeatedly invoking them during physical execution is slow and expensive, limiting their utility as scalable data generators. As a solution, we introduce CAPEX, an experience-conditioned demonstration collection framework that uses execution experience from previous attempts to adapt how frequently the foundation model must observe, reason, and replan. We evaluate across RoboCasa tasks and on physical Franka and bimanual YAM-arm platforms, measuring task success, model calls, token usage, collection time, and cost. We further train Diffusion Policy and ACT on matched sets of human-teleoperated and foundation-model-generated demonstrations to evaluate the downstream learning value of autonomously collected data. We find that CAPEX increases the number of successful demonstrations by 4.3x while reducing the cost per successful demonstration by 80%. Policies trained on CAPEX-generated data approach the performance of those trained on matched human demonstrations; with longer training, this gap largely closes for policies trained from scratch. These results suggest that foundation models can serve as scalable sources of reusable robot experience. Project page: https://capex-paper.github.io/
• Abstract（参考訳）: ロボット学習は、効果的に学習可能な行動を得るために、人間の操作によるデモンストレーションに大きく依存している。 しかし、人間が操作するデータ収集プロセスは直感的でなく、スケールが難しく、本質的に非同期である。 汎用多目的ファンデーションモデルから展開可能なロボットポリシーへの物理行動の蒸留を,ファンデーションモデル自体を自律型実証機として利用することで行う。 十分な能力を持つモデルはゼロショット操作を成功させることができるが、物理的実行中に繰り返し呼び出すことは遅くてコストがかかり、スケーラブルなデータジェネレータとしての利用が制限される。 CAPEX(Experience-conditioned demonstration collection framework)は,基礎モデルの観察,理性,再計画の頻度に適応するために,過去の試みから実行経験を用いた,経験条件付きデモコレクションフレームワークである。 我々は,RoboCasaタスク,およびFrankaおよびバイマニュアルYAM-armプラットフォーム上でのタスク成功,モデルコール,トークン使用量,収集時間,コストを測定した。 さらに,人間操作型および基礎モデル生成型デモのマッチングセット上で拡散政策とACTを訓練し,自律的に収集したデータの下流学習価値を評価する。 CAPEXは成功例の数を4.3倍にし,成功例当たりのコストを80%削減する。 CAPEXの生成したデータに基づいてトレーニングされたポリシーは、マッチした人間のデモンストレーションでトレーニングされた人々のパフォーマンスにアプローチする。 これらの結果から, ファンデーションモデルは, 再利用可能なロボット体験の, スケーラブルな情報源として機能することが示唆された。 プロジェクトページ: https://capex-paper.github.io/

関連論文リスト

• $Ψ_0$: An Open Foundation Model Towards Universal Humanoid Loco-Manipulation [39.811210435945924]
  本稿では,ヒューマノイドのロコ操作課題に対処するオープン基盤モデルを提案する。 我々の研究は、重要だが見落とされがちなデータレシピを特定します。 高品質な人間操作データに対する事前トレーニングと、ドメイン固有の実世界のヒューマノイド軌道のポストトレーニングにより、優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2026-03-12T17:59:51Z)
• Self-Improving Embodied Foundation Models [21.81624145902717]
  ロボット工学における2段階のポストトレーニング手法を提案する。 第1段階であるSupervised Fine-Tuning (SFT) は、a) 行動クローニングとb) ステップ・トゥ・ゴーの予測目的の両方を用いたファインチューン事前訓練基礎モデルである。 第2段階では、ステップ・トゥ・ゴー予測により、良好な形状の報酬関数と堅牢な成功検出器の抽出が可能となる。
  論文  参考訳（メタデータ） (2025-09-18T17:00:08Z)
• Intention-Conditioned Flow Occupancy Models [80.42634994902858]
  大規模な事前学習は、今日の機械学習研究のやり方を根本的に変えた。 同じフレームワークを強化学習に適用することは、RLの中核的な課題に対処するための魅力的な方法を提供するので、魅力的です。 生成AIの最近の進歩は、高度に複雑な分布をモデリングするための新しいツールを提供している。
  論文  参考訳（メタデータ） (2025-06-10T15:27:46Z)
• Imitation Learning with Precisely Labeled Human Demonstrations [0.0]
  この研究は、ハンドヘルドグリップを使って効率的なデータ収集を行うことの可能性を実証する先行研究に基づいている。 我々は、グリップの外観に対するユーザの制御を、特にユニークで、セグメンタブルな色を割り当てることで、正確なエンドエフェクタポーズ推定を可能にする。 本研究は,ロボットによる実演における性能の88.1%に到達可能な政策を,人間による実演を正確にラベル付けしたシミュレーションで示す。
  論文  参考訳（メタデータ） (2025-04-18T17:12:00Z)
• Curating Demonstrations using Online Experience [52.59275477573012]
  また,Demo-SCOREは手作業によるキュレーションを伴わずに,効果的に準最適動作を識別できることが示唆された。 Demo-SCOREは、全てのオリジナルのデモンストレーションで訓練された基本方針と比較して、結果のポリシーにおいて15～35%以上の絶対的な成功率を達成する。
  論文  参考訳（メタデータ） (2025-03-05T17:58:16Z)
• Active Exploration in Bayesian Model-based Reinforcement Learning for Robot Manipulation [8.940998315746684]
  ロボットアームのエンドタスクに対するモデルベース強化学習(RL)アプローチを提案する。 我々はベイズニューラルネットワークモデルを用いて、探索中に動的モデルに符号化された信念と情報の両方を確率論的に表現する。 実験により,ベイズモデルに基づくRL手法の利点が示された。
  論文  参考訳（メタデータ） (2024-04-02T11:44:37Z)
• Value function estimation using conditional diffusion models for control [62.27184818047923]
  拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。 拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。 本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
  論文  参考訳（メタデータ） (2023-06-09T18:40:55Z)

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。