論文の概要: X-Reset: Scaling Object-Centric Reinforcement Learning via Cross-Embodiment Resets
- arxiv url: http://arxiv.org/abs/2609.35715v1
- Date: Mon, 28 Sep 2026 17:46:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 19:24:21.71818
- Title: X-Reset: Scaling Object-Centric Reinforcement Learning via Cross-Embodiment Resets
- Title（参考訳）: X-リセット: クロス・エボディメント・リセットによるオブジェクト中心強化学習のスケーリング
- Abstract要約: シミュレーションにおける強化学習は、ロボットのデモンストレーションなしで、巧妙な操作ポリシーを訓練することができる。
本稿では,人間の手動実験による探索を解くフレームワークであるX-Resetを提案する。
X-Resetはトレーニングオブジェクトの数でスケールし、見えないオブジェクトに一般化し、sim-to-realからゼロショットの振る舞いを転送する。
- 参考スコア（独自算出の注目度）: 22.75380883090757
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Reinforcement learning (RL) in simulation can train dexterous manipulation policies without robot demonstrations, but training a single generalist policy with task-agnostic rewards faces a severe exploration problem: approaching, grasping, and reorienting diverse objects with many degrees of freedom is difficult to discover from scratch. Prior works make exploration tractable with high-quality robot demonstrations, per-task reward shaping, or by restricting policies to narrow modes of behavior. We propose X-Reset, a framework that instead resolves exploration with human hand-object demonstrations. Rather than imitating or tracking retargeted human motion, X-Reset kinematically retargets hand-object states to noisy robot states, filters out states that are unstable in simulation, and samples the remainder as resets during RL training with general-purpose object-centric rewards. The resulting policy depends only on object state and goal, with demonstrations entering training through the reset distribution. We show that X-Reset trains generalist policies on 20 objects across three embodiments---a 22-DoF hand on two different arms and a parallel-jaw gripper---and resolves the exploration challenges of RL from scratch. X-Reset scales with the number of training objects, generalizes to unseen objects, can learn from imperfect hand-pose estimates, and transfers behaviors zero-shot from sim-to-real.
- Abstract（参考訳）: シミュレーションにおける強化学習(Reinforcement Learning, RL)は、ロボットのデモンストレーションを使わずに、厳密な操作ポリシーを訓練することができるが、タスクに依存しない報酬で単一のジェネラリストポリシーを訓練することは、深刻な探索問題に直面している。
従来の研究は、高品質なロボットのデモンストレーションや、タスクごとの報酬形成、あるいは狭い行動モードにポリシーを限定することで、探索を可能にする。
X-Resetは,人間の手動実験による探索を解消するフレームワークである。
リターゲットされた人間の動きを模倣または追跡する代わりに、X-リセットは手動の状態をノイズの多いロボットの状態にリターゲットし、シミュレーションで不安定な状態をフィルタリングし、残りのものは汎用的なオブジェクト中心の報酬でRLトレーニング中にリセットとしてサンプリングする。
結果として得られるポリシーは、オブジェクトの状態と目標にのみ依存する。
両腕に22-DoFハンドとパラレルジャウグリップを装着し,RLの探索課題をスクラッチから解決する。
X-リセットはトレーニング対象数でスケールし、目に見えない対象に一般化し、不完全な目的推定から学習し、sim-to-realからゼロショットの振る舞いを転送する。
関連論文リスト
- Pre-training Visual Dexterity in Simulation [67.17477115017896]
シミュレーションで完全に収集されたデータを利用するデクスタラスな操作のための事前学習フレームワークを導入する。
5人のオペレーターの助けを借りて、1週間にわたって75時間のマルチタスク・デキスタラスな操作を収集し、配列モデリングの目的に基づいて因果変換器を事前訓練する。
提案手法は,シミュレーション遠隔操作が実世界における創発的操作のトレーニング前情報源として有効なことを示し,学習行動のクローン化方針をゼロから上回る結果を得た。
論文 参考訳（メタデータ） (2026-08-16T20:21:33Z) - DenseReward: Dense Reward Learning via Failure Synthesis for Robotic Manipulation [67.08835970838996]
強化学習は模倣学習の限界を超えてロボットポリシーを改善するための大きな約束である。
2つの重要な課題は、さまざまな障害データを大規模に取得し、スパース軌道レベルの成功ラベルを超えて、きめ細かい報酬信号を取得することである。
両課題に対処する高密度ロボット報酬モデルであるDenseRewardを紹介した。
論文 参考訳（メタデータ） (2026-07-14T17:59:29Z) - Emergent Dexterity via Diverse Resets and Large-Scale Reinforcement Learning [14.911497503823123]
我々はOmniResetを紹介した。OmniResetはシンプルでスケーラブルなフレームワークで、オンデマンドの強化学習を可能にする。
我々は,OmniResetが,既存のアプローチの能力を超えた,長時間のデクサラスな操作タスクにスケール可能であることを示す。
論文 参考訳（メタデータ） (2026-03-16T18:14:36Z) - DexRepNet++: Learning Dexterous Robotic Manipulation with Geometric and Spatial Hand-Object Representations [30.95930862562584]
物体表面の特徴と手と物体間の空間的関係をキャプチャする,手と物体の相互作用表現であるDexRepを提案する。
DexRepをベースとした3つの巧妙な操作、すなわち、把握、手作業の方向転換、双方向のハンドオーバ、実験のためのポリシーが学習される。
把握のためには、40のオブジェクトで学習したポリシーは、様々なカテゴリの5000以上の未確認オブジェクトに対して87.9%の成功率を達成する。
このポリシーは、手作業の再調整とハンドオーバ作業のために、既存の手作業表現の成功率やその他の指標を20%から40%向上させる。
論文 参考訳（メタデータ） (2026-02-25T11:38:07Z) - Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。
Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
論文 参考訳（メタデータ） (2025-09-11T17:59:07Z) - X-Sim: Cross-Embodiment Learning via Real-to-Sim-to-Real [20.561250366126625]
X-Simは、ロボットのポリシーを学ぶための、密集した伝達可能な信号としてオブジェクトの動きを利用する、リアルからシミュレート・トゥ・リアルなフレームワークである。
X-Simは、RGBDの人間のビデオからシミュレーションを再構築し、オブジェクト中心の報酬を定義するためにオブジェクトの軌跡を追跡することから始まる。
学習方針は、様々な視点と照明でレンダリングされた合成ロールアウトを用いて、画像調和拡散政策に蒸留される。
論文 参考訳（メタデータ） (2025-05-11T19:04:00Z) - Crossing the Human-Robot Embodiment Gap with Sim-to-Real RL using One Human Demonstration [21.94699075066712]
本稿では,タスクを実演する人間の1つのRGB-Dビデオのみを用いて,創発的な操作ポリシーを訓練する,新しいリアルタイム・シミュレート・トゥ・リアルフレームワークを提案する。
Human2Sim2Robotは、オブジェクト認識のリプレイを55%以上上回り、模倣学習を68%以上上回っている。
論文 参考訳（メタデータ） (2025-04-17T03:15:20Z) - Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids [56.892520712892804]
本稿では,ヒューマノイドロボットを訓練して3つの巧妙な操作を行う,実用的なシミュレート・トゥ・リアルなRLレシピを提案する。
未確認のオブジェクトやロバストで適応的な政策行動に対して高い成功率を示す。
論文 参考訳（メタデータ） (2025-02-27T18:59:52Z) - Visual Dexterity: In-Hand Reorientation of Novel and Complex Object
Shapes [31.05016510558315]
多くの巧妙な操作を行うには、手動でオブジェクトの向きを変える必要がある。
このような仮定を行わない汎用オブジェクトリオリエンテーションコントローラを提案する。
シミュレーションにおいて強化学習を用いて学習し,新しい物体の形状を実世界で評価する。
論文 参考訳（メタデータ） (2022-11-21T18:59:33Z) - DexTransfer: Real World Multi-fingered Dexterous Grasping with Minimal
Human Demonstrations [51.87067543670535]
本研究では,少数の人間によるデモンストレーションを行い,見えない物体のポーズを学習するロボット学習システムを提案する。
我々は,物体の点群を入力として捉え,物体を異なる初期ロボット状態から把握するための連続的な動作を予測する,厳密な把握ポリシーを訓練する。
我々のデータセットから学んだポリシーは、シミュレーションと現実世界の両方で見えないオブジェクトのポーズをうまく一般化することができる。
論文 参考訳（メタデータ） (2022-09-28T17:51:49Z) - Residual Reinforcement Learning from Demonstrations [51.56457466788513]
報酬信号の最大化のために,従来のフィードバックコントローラからの制御動作を適用することで,ロボット作業の課題を解決する手段として,残留強化学習(Residual reinforcement learning, RL)が提案されている。
視覚的インプットから学習するための残差定式化を拡張し,実演を用いて報酬をスパースする。
6-DoFのUR5アームと28-DoFのデキスタラスハンドのシミュレーション操作に関する実験的評価は、デモからの残留RLが、行動クローニングやRL微調整よりも柔軟に、見えない環境条件に一般化できることを実証している。
論文 参考訳（メタデータ） (2021-06-15T11:16:49Z)
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。