論文の概要: Is Online Interaction Necessary for Recovery? A Minimalist Approach to Robust Planning via Perturbation
- arxiv url: http://arxiv.org/abs/2609.33049v1
- Date: Sun, 27 Sep 2026 00:25:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 10:58:37.5806
- Title: Is Online Interaction Necessary for Recovery? A Minimalist Approach to Robust Planning via Perturbation
- Title（参考訳）: オンラインインタラクションは回復に必要か? 摂動によるロバスト計画へのミニマリストアプローチ
- Abstract要約: 本稿では,ロボット実行の基準軌跡として,アクションの有限水平列を予測するアクションシーケンス計画に焦点をあてる。
本稿では,既存の実演のみを用いて回復を改善するための簡単なトレーニング手法であるPerturbation-Augmented Recovery Supervision (PARS)を提案する。
- 参考スコア（独自算出の注目度）: 7.589048964013273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Behavior cloning (BC) is vulnerable to covariate shift during closed-loop execution, where small prediction or execution errors can drive the robot toward states poorly covered by the demonstration data. We focus on action-sequence planning, where a policy predicts a finite-horizon sequence of actions as a reference trajectory for robot execution. Existing approaches to covariate shift often rely on collecting additional corrective demonstrations, requiring further environment interaction and access to an expert or reference policy. We propose Perturbation-Augmented Recovery Supervision (PARS), a simple training approach for improving recovery using only existing demonstrations. PARS perturbs the robot's proprioceptive state and anchors only the later portion of the predicted trajectory to the original demonstration, leaving the earlier portion free to generate corrective motion and recover toward the demonstrated behavior within the planning horizon. Unlike conventional input-noise augmentation, which preserves the original supervision target over the entire prediction horizon, PARS explicitly provides trajectory-level supervision for recovery from perturbed states. PARS requires neither additional environment interaction nor expert queries and can be instantiated across different action-sequence policy classes with only minor modifications to their BC objectives. Experiments on 51 RLBench manipulation tasks with flow-based, transformer-based, and diffusion-based policies demonstrate that PARS improves robustness to covariate shift during closed-loop execution.
- Abstract（参考訳）: 行動クローニング(BC)は、クローズドループ実行中の共変量シフトに対して脆弱であり、小さな予測や実行エラーによって、デモデータでカバーされていない状態に向かってロボットを駆動することができる。
本稿では,ロボット実行の基準軌跡として,アクションの有限水平列を予測するアクションシーケンス計画に焦点をあてる。
共変量シフトへの既存のアプローチは、しばしば追加の修正的なデモンストレーションの収集に依存し、さらなる環境相互作用と専門家や参照ポリシーへのアクセスを必要とする。
本稿では,既存の実演のみを用いて回復を改善するための簡単なトレーニング手法であるPerturbation-Augmented Recovery Supervision (PARS)を提案する。
PARSはロボットの受容状態を乱し、予測された軌道の後半部分のみを元のデモに固定し、初期の部分は修正運動を自由に生成し、計画地平線内で実証された行動に向けて回復する。
従来の入力ノイズ増強法とは異なり、PARSは摂動状態からの回復のための軌道レベルの監視を明示的に提供している。
PARSは追加の環境インタラクションもエキスパートクエリも必要とせず、BCの目的に小さな変更を加えるだけで、さまざまなアクションシーケンスポリシークラスでインスタンス化できる。
フローベース,トランスフォーマーベース,拡散ベースのポリシを用いた51RLBench操作タスクの実験により,PARSはクローズドループ実行時の共変量シフトに対するロバスト性を向上させることが示された。
関連論文リスト
- HIL-UMI: Bringing Human-in-the-Loop Post-Training of Vision-Language-Action Models to Universal Manipulation Interface [17.051345673499835]
政策誘導型ユニバーサルマニピュレーションインタフェース(UMI)フレームワークであるHIL-UMIを紹介した。
ハンドヘルドUMIデモでは、HIL-UMIは予測を実行せずに、同じ観測ストリーム上の現在のポリシーをクエリする。
異なるフィードバックループでは、低オンライン優位予測は、進捗ベースの優位推定器を精算するために必要なセグメントを特定する。
論文 参考訳（メタデータ） (2026-09-17T16:38:37Z) - JEPA Policy: Diffusion-Free Imitation Learning via Paired Action and Future Representation Prediction [6.889062419237111]
JEPA Policyは、アクションチャンクとその観測された将来の表現をペア化されたトレーニングターゲットとして使用する、拡散のないフレームワークである。
将来の予測は、アクションを生成するために使われる表現を形作ることができる。
その結果、反復的な生成サンプリングを伴わない低遅延ビズモータ模倣に対する実践的なアプローチとして、ペア・フューチャー・リ表現の監視を支援する。
論文 参考訳（メタデータ） (2026-09-09T02:42:20Z) - DLAM: Distributional Latent Actions with Temporal Constraints [25.743937994244902]
本稿では,各遷移を対角ガウスとして表現する分布潜在作用モデルであるDLAMを紹介する。
下流のポリシー学習では、エンコーダを凍結し、フローマッチングポリシーをトレーニングし、平均遷移シーケンスとロボットアクションを共同で生成する。
ホールドアウト遷移では、DLAMは既存の潜在動作ベースラインよりも時間的に一貫した潜伏ダイナミクスを学習し、ホールドアウトビデオ上でより強い直接的および累積的再構成を実現する。
論文 参考訳（メタデータ） (2026-07-29T17:09:48Z) - FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。
FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
論文 参考訳（メタデータ） (2026-07-27T05:10:16Z) - SegDiff: Segmented Trajectory Diffusion for Consistent and Adaptive Robot Manipulation [65.81476183180527]
両パラダイムの長所を統合するクローズドループビズモータポリシであるSegDiffを紹介する。
SegDiffはデモをキーセグメンテーション間で動作セグメントに分解し、現在の状態から次のキーセグメンテーションまでの連続的な軌跡を予測することを学習する。
SegDiffは、さまざまなシミュレートされた実世界のシナリオにおいて、既存のアプローチよりも大きなパフォーマンス向上を示している。
論文 参考訳（メタデータ） (2026-07-13T02:48:03Z) - ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control [54.267632784131415]
ReactiveBFMは、ヒューマノイドのためのリアルタイムループ計画制御フレームワークである。
定期的なプレフィックスサンプリングカリキュラムを通じて、致命的な累積露光バイアスを軽減する。
これは、テキスト条件付きクローズドループ運動の膨大なレパートリーにおいて、前例のない物理的機敏さを示す。
論文 参考訳（メタデータ） (2026-06-29T14:27:27Z) - JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems [1.9236465591431287]
本稿では,単条件軌道生成問題として参加者予測とロボット計画を扱う共同予測計画拡散フレームワークを提案する。
シナリオグラウンドシミュレーション、自然主義的な歩行者リプレイ、Isaac Simバリデーション、ROS/Orinデプロイメントの実験は、共同サンプリングが尾の安全性と実行効率を改善することを示している。
論文 参考訳（メタデータ） (2026-06-14T11:15:44Z) - From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation [88.39072412680633]
将来の映像を実行可能な表現に変換する制御指向インタフェースであるMoLAを提案する。
我々は,シミュレーションベンチマークと実世界のロボット操作タスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2026-05-12T14:15:16Z) - Referring-Aware Visuomotor Policy Learning for Closed-Loop Manipulation [91.20850436220267]
Referring-Aware Visuomotor Policy(ReV)について紹介する。
ReVは、人間または高レベルの推論プランナーによって提供されるスパース参照ポイントを組み込む。
これは、専門家のデモンストレーションにターゲットの摂動を適用することでのみ訓練される。
論文 参考訳（メタデータ） (2026-04-07T07:41:11Z) - See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。
SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。
SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文 参考訳（メタデータ） (2026-03-10T07:22:51Z)
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。