論文の概要: In-Context Learning for Robots: Methods and Applications
- arxiv url: http://arxiv.org/abs/2609.36012v1
- Date: Mon, 28 Sep 2026 18:00:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.919964
- Title: In-Context Learning for Robots: Methods and Applications
- Title（参考訳）: ロボットのインコンテキスト学習 : 方法と応用
- Abstract要約: 汎用ロボットは、新しいタスクが何を必要としているかを推測し、その理解を適切な物理的行動に変換する必要がある。
ロボットのためのインコンテキスト学習(ICL)はこのプロセスをサポートし、デモとインタラクションを使用して、デプロイ中に固定されたニューラルネットワークパラメータと既存のコンピテンスを指示する。
- 参考スコア（独自算出の注目度）: 117.36413283771294
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: General-purpose robots must infer what a new task requires and translate that understanding into appropriate physical action. In-context learning (ICL) for robots supports this process by using demonstrations and interaction to direct existing competence with neural parameters held fixed during deployment. We organize this literature review around the interfaces connecting contextual evidence to execution, distinguishing four families: context-conditioned policies, geometric demonstration transfer, world-model-based control, and skill- and agent-based execution. Comparing these interfaces clarifies their transfer assumptions and the roles of training, correspondence, and memory in making context useful. Across manipulation and navigation, we examine how these mechanisms preserve taught requirements as objects, environments, and execution conditions change. This analysis links method design to evaluation practices that distinguish responsiveness to teaching, physical transfer, and benefits from retained experience. The resulting agenda connects compositional task acquisition and faithful transfer with physical recursive self-improvement, in which experience improves the ability to learn subsequent tasks.
- Abstract（参考訳）: 汎用ロボットは、新しいタスクが何を必要としているかを推測し、その理解を適切な物理的行動に変換する必要がある。
ロボットのためのインコンテキスト学習(ICL)はこのプロセスをサポートし、デモとインタラクションを使用して、デプロイ中に固定されたニューラルネットワークパラメータと既存のコンピテンスを指示する。
文脈条件付きポリシー、幾何学的実証伝達、世界モデルに基づく制御、スキルとエージェントに基づく実行の4つのファミリーを区別し、文脈証拠と実行を結びつけるインタフェースに関する文献レビューを整理する。
これらのインターフェースを比較することで、コンテキストを有用にするために、それらの転送仮定とトレーニング、対応、メモリの役割が明確になる。
操作やナビゲーション全般において,これらのメカニズムがオブジェクト,環境,実行条件の変化として規定された要件をどのように保持するかを検討する。
この分析は、学習に対する応答性、身体的伝達、および継続した経験からの恩恵を区別する評価実践にメソッド設計を関連付ける。
結果として得られる課題は、構成的タスク獲得と忠実な伝達と物理的再帰的な自己改善を結びつけ、経験がその後のタスクを学習する能力を改善する。
関連論文リスト
- Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning [128.76135832773102]
物理的に接地されたロボットインテリジェンスは、ロボットが物理的世界との相互作用を知覚し、推論し、規制することを要求する。
近年のロボット学習法は, 力, 触覚, 視覚, 言語, 触覚を学習操作ポリシーに組み込むことで, 大幅な進歩を遂げている。
これらの進歩にもかかわらず、既存の調査では、統一的な視点から、力と触覚を意識したロボット学習を明示的にレビューしていない。
論文 参考訳（メタデータ） (2026-08-02T14:22:01Z) - ICLR: In-Context Imitation Learning with Visual Reasoning [7.622880558476133]
インコンテキストの模倣学習により、ロボットは追加の訓練をすることなく、少数のデモから新しいタスクに適応できる。
In-Context Imitation Learning with Visual Reasoning (ICLR) は、視覚的推論トレースを構造化したデモプロンプトを強化する新しいフレームワークである。
論文 参考訳（メタデータ） (2026-03-08T08:40:05Z) - Scaling Environments for LLM Agents in the Era of Learning from Interaction: A Survey [30.673419015614233]
エージェントは環境と直接対話し、強化学習を通じて経験から学ぶべきだという意見が高まりつつある。
本稿では,この反復処理をGEFループとして定式化し,環境がエージェントに挑戦するためのタスクを生成し,タスク実行中のエージェントの動作に応答して観察を返却し,その後の学習のためのロールアウトに対する評価フィードバックを提供する。
このパラダイムの下では、環境は経験的データの必須生産元として機能し、より複雑な、現実主義、対話性へのスケールの必要性を強調している。
論文 参考訳（メタデータ） (2025-11-12T12:56:25Z) - Executable Analytic Concepts as the Missing Link Between VLM Insight and Precise Manipulation [70.8381970762877]
VLM(Vision-Language Models)は、セマンティック推論とタスク計画において顕著な能力を示す。
本稿では,VLMに基づく推論を実行可能な解析概念を通じて基礎づける新しいフレームワークであるGRACEを紹介する。
G GRACEは高レベル命令理解と低レベルロボット制御の統一的で解釈可能なインターフェースを提供する。
論文 参考訳（メタデータ） (2025-10-09T09:08:33Z) - FAST: Similarity-based Knowledge Transfer for Efficient Policy Learning [57.4737157531239]
Transfer Learningは、タスク間で知識を伝達することで学習を加速する能力を提供する。
これは、負の転送、ドメイン適応、ソリッドソースポリシーの選択における非効率といった重要な課題に直面します。
本研究では,知識伝達の改善,タスク間のパフォーマンスの促進,計算コストの削減など,TLの課題に挑戦する。
論文 参考訳（メタデータ） (2025-07-27T22:21:53Z) - Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。
本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。
残る技術的課題や倫理的考察も分析する。
論文 参考訳（メタデータ） (2025-06-05T05:42:27Z) - Geometrically-Aware One-Shot Skill Transfer of Category-Level Objects [18.978751760636563]
本研究では,ロボットが複雑な物体操作のスキルと制約を1人の人間の実演から伝達することのできる,新しいスキル伝達フレームワークを提案する。
提案手法は,オブジェクト中心のインタラクションに着目したデモンストレーションから幾何学的表現を導出することで,スキル獲得とタスク実行の課題に対処する。
本手法の有効性と適応性を広範囲な実験により検証し,追加の訓練を必要とせず,多様な実環境における技術移転とタスク実行を実証した。
論文 参考訳（メタデータ） (2025-03-19T16:10:17Z) - Semantic-Geometric-Physical-Driven Robot Manipulation Skill Transfer via Skill Library and Tactile Representation [6.324290412766366]
操作知識を整理するための知識グラフに基づくスキルライブラリ構築手法を提案する。
また,スキルライブラリと触覚表現に基づく新しい階層型スキル伝達フレームワークを提案する。
提案手法のスキル伝達と適応性について実験を行った。
論文 参考訳（メタデータ） (2024-11-18T16:42:07Z) - Exploring CausalWorld: Enhancing robotic manipulation via knowledge transfer and curriculum learning [6.683222869973898]
本研究では,指間の複雑な動きと協調を必要とする,学習に基づく三指ロボットアーム操作タスクについて検討する。
強化学習を利用することで、エージェントに熟練した操作に必要なスキルを習得するよう訓練する。
微調整とカリキュラム学習という2つの知識伝達戦略を,ソフトアクター・クリティカルなアーキテクチャで活用した。
論文 参考訳（メタデータ） (2024-03-25T23:19:19Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳（メタデータ） (2023-05-22T17:18:29Z)
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。