論文の概要: Beyond State-as-Action: Exploiting Command-State Discrepancy for Robot Imitation Learning

• arxiv url: http://arxiv.org/abs/2609.33145v2
• Date: Tue, 29 Sep 2026 07:53:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.645513
• Title: Beyond State-as-Action: Exploiting Command-State Discrepancy for Robot Imitation Learning
• Title（参考訳）: 状態としての行動を超えて:ロボット模倣学習のための指令状態の不一致を爆発させる
• Abstract要約: コマンド状態の不一致は、動きだけでは捉えられない制御要求を反映する可能性がある。 我々は、この情報がいつ重要か、どのように悪用するかを調査する。 ロボットの応答時間を考慮したコマンド状態離散度重み付け(CSDW)を提案する。
• 参考スコア（独自算出の注目度）: 23.246411146258193
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constructing action targets from measured robot motion is an established approach in imitation learning. Under interaction constraints, however, command-state discrepancy may reflect control demands that motion alone does not capture. We investigate when this information matters and how to exploit it. Across three real-robot tasks, task and phase analyses reveal larger supervision gaps under constrained interaction, while selective command retention provides evidence of locally useful command information. Building on these findings, we propose Command-State Discrepancy Weighting (CSDW), which accounts for robot response times and combines subsequent progress, persistent unmet demand, and demand changes into continuous weights for command supervision. The method requires no task-phase annotations or changes to policy architecture or inference. CSDW improves over uniform command supervision on constrained tasks, while methods perform similarly in the less constrained task. Project page: https://seen-e.github.io/CSDW/.
• Abstract（参考訳）: 測定されたロボットの動きからアクションターゲットを構築することは、模倣学習において確立されたアプローチである。 しかし、相互作用の制約の下では、コマンド状態の不一致は、モーションのみをキャプチャしない制御要求を反映する可能性がある。 我々は、この情報がいつ重要か、どのように悪用するかを調査する。 3つの実ロボットタスク、タスク、フェーズ分析は、制限された相互作用の下でより大きな監視ギャップを示す一方、選択的なコマンド保持は、局所的に有用なコマンド情報の証拠を提供する。 これらの結果に基づいて,ロボットの応答時間を考慮したコマンド状態離散重み付け(CSDW)を提案する。 このメソッドは、タスクフェーズのアノテーションやポリシーアーキテクチャの変更や推論を必要としない。 CSDWは制約されたタスクに対する均一なコマンド監督よりも改善され、一方メソッドは制約の少ないタスクでも同じように機能する。 プロジェクトページ: https://seen-e.github.io/CSDW/。

関連論文リスト

• HIRE: History-Conditioned Interaction Reasoning and High-Rate Execution for Visually Aliased Precision Manipulation [88.74642218250409]
  歴史調和型インタラクション・ステート・リゾナ(ISR)とハイレートインタラクション・マニフォールド・エクゼクタ(IME)を組み合わせたクロスレートフレームワークHIREを紹介する。 ISRは命令されたレンチ履歴を時間的レンチエンコーダとフォース・パーシーバーでエンコードする。 IMEは接触臨界運動を本質的な進行と横方向補正に構成し、正確な実行を行う。
  論文  参考訳（メタデータ） (2026-09-25T05:13:23Z)
• Towards Neuro-Symbolic Procedural Reasoning for Long-Horizon Vision-Language-Action Manipulation [12.461719086222788]
  視覚言語アクション(VLA)モデルは短い操作スキルを実行することができるが、長い水平手順では不安定である。 本稿では,学習したVLA制御と明示的なタスクグラフ,マルチモーダル・プロシージャ記憶を組み合わせたニューロシンボリック・フレームワークについて検討する。
  論文  参考訳（メタデータ） (2026-09-04T17:14:50Z)
• One Word, Different Action: A Real-Robot Benchmark for Language-Conditioned Embodied Reasoning [5.503904431371255]
  物理決定状態と実行可能なアクションに基づいて構築された実ロボットのベンチマークであるOne Word, Different Actionを紹介する。 実験により、現代のモデルは単一制約の命令変更でほぼ飽和状態にあるが、複数のタスク制約を1つの実行可能決定に組み込まなければならない場合、いくつかのモデルは顕著に劣化していることが示された。
  論文  参考訳（メタデータ） (2026-09-04T15:21:58Z)
• AutoIntervene: Calibrated Intervention for Action-Chunking Imitation Learning Policies [4.786936073180585]
  アクションチャンキングビズモータポリシは、デモから学び、時間的一貫性を改善する。 デプロイ中にアクションチャンキングポリシーとオペレータ間で制御を選択的に転送するオンラインフレームワークであるAutoInterveneを提案する。
  論文  参考訳（メタデータ） (2026-08-07T10:14:29Z)
• Language-Grounded Decoupled Action Representation for Robotic Manipulation [78.42228162226839]
  認識と制御を結びつけるために,Language-Grounded Decoupled Action Representation (LaDA) フレームワークを提案する。 LaDAは3つの解釈可能なアクションプリミティブ(翻訳、回転、グリップ制御)の微細な中間層を導入し、低レベルのアクションに対して明示的な意味構造を提供する。 さらに、セマンティックガイダンスによるソフトラベルのコントラスト学習の目的を用いて、類似のアクションプリミティブをタスク間で整列させ、一般化と動きの整合性を高める。
  論文  参考訳（メタデータ） (2026-03-13T13:08:26Z)
• CARE: Multi-Task Pretraining for Latent Continuous Action Representation in Robot Control [39.17038025776311]
  CAREは、ロボットタスク実行のためのVLAモデルをトレーニングするために設計されたフレームワークである。 CAREはビデオテキストペアのみを活用することで、明示的なアクションラベルの必要性を排除している。 結果は, ロボット制御におけるCAREのスケーラビリティ, 解釈可能性, 有効性を示す。
  論文  参考訳（メタデータ） (2026-01-30T02:28:32Z)
• On the Paradoxical Interference between Instruction-Following and Task Solving [50.75960598434753]
  次の命令は、大規模言語モデル(LLM)を、タスクの実行方法に関する明示的な制約を指定することで、人間の意図と整合させることを目的としている。 我々は,LLMのタスク解決能力にパラドックス的に干渉する命令に従うという,直感に反する現象を明らかにした。 本稿では,タスク解決に追従する命令の干渉を定量化する指標として,SUSTAINSCOREを提案する。
  論文  参考訳（メタデータ） (2026-01-29T17:48:56Z)
• Action-Constrained Imitation Learning [12.316546911223263]
  行動制約下での政策学習は、様々なロボット制御や資源配分アプリケーションにおいて、安全な行動を保証する上で中心的な役割を果たす。 本稿では,行動制約付き模倣者がより広い行動空間を持つ実証的専門家から学習することを目的とした,行動制約付き模倣学習(ACIL)と呼ばれる新たな課題について検討する。 我々は、このミスマッチをテキストトラジェクトリアライメント(textittrajectory alignment)を通じて解決し、従来の専門家によるデモンストレーションを、アクション制約に固執しながら、同様の状態軌跡に従うサロゲートデータセットに置き換えるDTWILを提案する。
  論文  参考訳（メタデータ） (2025-08-20T03:19:07Z)
• Few-Shot Vision-Language Action-Incremental Policy Learning [55.07841353049953]
  トランスフォーマーに基づくロボット操作手法は,多視点空間表現と言語命令を用いてロボットの運動軌跡を学習する。 既存のメソッドには、いくつかのデモだけで新しいタスクを継続的に学習する能力がない。 我々はこれらの問題に対処するタスク-prOmpt graPh evolutIon poliCy (TOPIC) を開発した。
  論文  参考訳（メタデータ） (2025-04-22T01:30:47Z)
• Instruction-driven history-aware policies for robotic manipulations [82.25511767738224]
  複数の入力を考慮に入れた統一型トランスフォーマー方式を提案する。 特に,我々のトランスフォーマーアーキテクチャは,(i)自然言語命令と(ii)多視点シーン観測を統合している。 RLBenchベンチマークと実世界のロボットを用いて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2022-09-11T16:28:25Z)
• Thinking While Moving: Deep Reinforcement Learning with Concurrent Control [122.49572467292293]
  本研究では,制御システムの時間的進化とともに,ポリシーからのアクションのサンプリングを同時に行わなければならないような環境下での強化学習について検討する。 人や動物のように、ロボットは思考と移動を同時に行わなければならず、前の動作が完了する前に次の動作を決定する。
  論文  参考訳（メタデータ） (2020-04-13T17:49:29Z)

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。