論文の概要: BlenDAgger: Blended Shared Control for Interactive Imitation Learning

• arxiv url: http://arxiv.org/abs/2609.37599v1
• Date: Tue, 29 Sep 2026 13:51:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.583284
• Title: BlenDAgger: Blended Shared Control for Interactive Imitation Learning
• Title（参考訳）: BlenDAgger:インタラクティブな模倣学習のためのブレンド共有制御
• Abstract要約: 我々は、模倣学習ポリシーを訓練するためのデータ収集手法であるBlended DAggerを提案する。 人的行動と政策行動を混在させることで,操作政策の自律的性能向上を目指す。 提案手法は,実世界の2つのタスクにおいて,30ポイント以上の自律的なパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 8.819784498473654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot policies are frequently trained from human corrections, yet teleoperating a robot to provide corrections is burdensome, and human demonstrators are not always optimal. We propose Blended DAgger (BlenDAgger), an approach for collecting data to train imitation learning policies by using shared control to blend the policy's and demonstrator's actions during interventions. By blending human and policy actions, we aim to improve the autonomous performance of manipulation policies. We validate our approach across five manipulation tasks, two in the real world and three in simulation. Our approach achieves higher autonomous performance by 30 or more percentage points on two real-world tasks compared to a typical human-gated correction approach (HG-DAgger). We also investigate the advantages of BlenDAgger that allow for higher autonomous performance, finding that BlenDAgger results in 57% smoother transitions between policy control and human interventions, and 14% higher trajectory similarity to the training data. In a user study (n=14) on two real-world tasks, we find that BlenDAgger results in faster data collection (BF=13.32), and we do not find a difference in subjective perceptions. These results show that blended shared control leads to higher autonomous performance compared to typical methods for fine-tuning robot policies from fully teleoperated interventions.
• Abstract（参考訳）: ロボットポリシーは、人間の修正から頻繁に訓練されるが、ロボットを遠隔操作して修正を行うのは面倒であり、人間のデモは必ずしも最適ではない。 Blended DAgger (BlenDAgger) を提案する。これは、共有制御を用いて、介入中のポリシーと実証者の行動をブレンドして、模倣学習ポリシーを訓練するためのデータ収集手法である。 人的行動と政策行動を混在させることで,操作政策の自律的性能向上を目指す。 我々は,実世界で2つ,シミュレーションで3つ,5つの操作タスクにまたがるアプローチを検証する。 提案手法は,通常のHG-DAggerに比べて,実世界の2つのタスクにおいて30以上のパーセンテージの自律的パフォーマンスを実現する。 また、BlenDAggerの利点について検討し、BlenDAggerが政策管理と人的介入の間に57%のスムーズな遷移をもたらすこと、トレーニングデータとの軌道類似性が14%高いことを見出した。 実世界の2つのタスクに対するユーザスタディ(n=14)では、BlenDAggerがより高速なデータ収集(BF=13.32)をもたらすことが分かり、主観的知覚の違いは見つからない。 これらの結果は,完全遠隔操作によるロボットポリシーを微調整する典型的な方法と比較して,共有制御の混合が自律的性能の向上につながることを示している。

関連論文リスト

• Human-Robot Copilot for Data-Efficient Imitation Learning [38.76308745375941]
  遠隔操作による人間の実演を収集し,ロボットにタスク固有のスキルを教える枠組みを提案する。 Human-Robot Copilotフレームワークは、広範囲の産業用および研究用マニピュレータとの互換性を維持しながら、デクスタラス遠隔操作のスケーリングファクタを利用することができる。
  論文  参考訳（メタデータ） (2026-04-04T07:00:32Z)
• Scalable Dexterous Robot Learning with AR-based Remote Human-Robot Interactions [8.111267700755986]
  本稿では,手軽なロボットアームハンドシステムにおける操作のためのスケーラブルなロボット学習に焦点を当てた。 本稿では,汎用的な操作タスク問題に対処するための統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-07T03:47:21Z)
• Flow Policy Gradients for Robot Control [67.61978635211048]
  フローマッチングポリシ勾配は、より表現力のあるポリシのトレーニングと微調整に有効である。 我々は、スクラッチからトレーニングを行う際に、フロー表現をどのように活用するかを示し、ベースラインよりもきめ細やかな堅牢性を改善する。
  論文  参考訳（メタデータ） (2026-02-02T18:56:49Z)
• Human-in-the-loop Online Rejection Sampling for Robotic Manipulation [55.99788088622936]
  Hi-ORSは、オンライン微調整中に負の報酬を得たサンプルをフィルタリングすることで、値推定を安定化する。 Hi-ORSは、わずか1.5時間でコンタクトリッチな操作をマスターするためのpiベースのポリシーを微調整する。
  論文  参考訳（メタデータ） (2025-10-30T11:53:08Z)
• Compose Your Policies! Improving Diffusion-based or Flow-based Robot Policies via Test-time Distribution-level Composition [52.232968183793986]
  General Policy Composition (GPC) は、複数の事前学習されたポリシーの分布スコアを組み合わせることで、パフォーマンスを向上させる訓練のない手法である。 GPCは、さまざまなタスクセットにおけるパフォーマンスと適応性を一貫して改善します。
  論文  参考訳（メタデータ） (2025-10-01T16:05:53Z)
• Steering Your Generalists: Improving Robotic Foundation Models via Value Guidance [66.51390591688802]
  バリューガイド型ポリシーステアリング(V-GPS)は、ポリシーの重みを微調整したり、アクセスしたりすることなく、幅広い種類のジェネラリストポリシーと互換性がある。 同じ値関数は、異なるアーキテクチャで5つの最先端ポリシーの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-10-17T17:46:26Z)
• Affordance-based Robot Manipulation with Flow Matching [7.51335919610328]
  本稿では,ロボット操作支援のためのフレームワークを提案する。 第1に,大規模モデルを下流シーンの空き時間理解タスクに効果的に適用し,第2に,視覚的空き時間モデルに基づいて,効果的にロボット行動軌跡を学習する。 我々は,教師付きフローマッチング手法を用いて,ロボットの行動軌跡を空き時間で案内する。
  論文  参考訳（メタデータ） (2024-09-02T09:11:28Z)
• Data-driven Koopman Operators for Model-based Shared Control of Human-Machine Systems [66.65503164312705]
  本稿では,データ駆動型共有制御アルゴリズムを提案する。 ユーザのインタラクションに関するダイナミクスと情報は、Koopman演算子を使用して観察から学習される。 モデルに基づく共有制御は、自然な学習やユーザのみの制御パラダイムと比較して、タスクとコントロールのメトリクスを著しく改善する。
  論文  参考訳（メタデータ） (2020-06-12T14:14:07Z)

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。