論文の概要: Plan-Conditioned Imitation for Robust Object Retrieval under Self-Occlusion in Dense Clutter

• arxiv url: http://arxiv.org/abs/2609.38857v1
• Date: Wed, 30 Sep 2026 03:15:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.069649
• Title: Plan-Conditioned Imitation for Robust Object Retrieval under Self-Occlusion in Dense Clutter
• Title（参考訳）: 難易度クラッタの自己閉塞下でのロバスト物体検索のための計画構成模擬
• Abstract要約: TRACEは自己閉塞下での検索のための計画条件付き模倣フレームワークである。 特権教師が固定名義ロールアウトを生成するデジタルツインを初期化する。 TRACEは、名目上のリプレイが43.4%、特権的な閉ループ教師が96.7%に対して90.7%の成功を収めている。
• 参考スコア（独自算出の注目度）: 22.623162223217278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrieving objects from dense clutter requires rearrangement during which the manipulator can occlude objects while moving them. Repeated arm withdrawals to restore visibility interrupt execution. We introduce TRACE, a plan-conditioned imitation framework for retrieval under self-occlusion. A single unoccluded observation initializes a digital twin, where a privileged teacher generates a fixed nominal rollout. A recurrent student combines local rollout context, partial object observations, and proprioception to select actions that can correct deviations from the prediction. Behavior cloning initializes the student; DAgger refines it with teacher labels on student-visited states. The rollout remains fixed throughout execution, so the deployed student needs neither online teacher queries nor additional simulator rollouts during pushing. On 511 simulation test scenes, TRACE achieves 90.7% success versus 43.4% for nominal replay and 96.7% for the privileged closed-loop teacher. At a matched 26,373-label budget, student-state supervision achieves 87.8% versus 66.7% for expert-only cloning, demonstrating gains beyond additional labels. On a UR5e, TRACE achieves 90.0% success versus 95.0% for the closed-loop teacher, while reducing total execution time from 192.7 s to 67.3 s. It avoids the teacher's 16.8 sensing-related arm retractions per trial during pushing, retaining a final withdrawal for graspability evaluation. Code and data will be released at: https://trace-retrieval.github.io.
• Abstract（参考訳）: 密集したクラッタから物体を取り出すには、マニピュレータが物体を動かしながら物体を閉塞する再配置が必要となる。 可視性中断実行を回復するために、繰り返し腕を離脱する。 本稿では,自己閉塞型検索のための計画条件付き模倣フレームワークTRACEを紹介する。 特権教師が固定名義ロールアウトを生成するデジタルツインを初期化する。 リカレント学生は、局所的なロールアウトコンテキスト、部分的な対象の観察と、予測から逸脱を補正できる選択行動の受容を組み合わせる。 行動クローニングは学生を初期化する; DAggerは学生が訪問する州で教師のラベルでそれを洗練する。 ロールアウトは実行中も固定されているため、デプロイされた学生は、オンラインの教師クエリも、プッシュ中に追加のシミュレータロールアウトも必要としない。 511のシミュレーションテストシーンでは、TRACEが90.7%、名目リプレイが43.4%、特権付き閉ループ教師が96.7%を達成している。 26,373ラベルの予算で、学生国家監督局は専門家のみのクローンでは87.8%、専門家のみのクローンでは66.7%を達成した。 UR5eでは、TRACEは90.0%の成功と95.0%の成功を達成し、総実行時間を192.7秒から67.3秒に短縮した。 プッシュ中の教師の16.8回の感覚関連腕の取り外しを回避し、把握可能性評価のための最後の離脱を維持できる。 コードとデータは、https://trace-retrieval.github.ioでリリースされる。

関連論文リスト

• Activation-Conditioned Self-Distillation [25.28242612860113]
  オンラインの自己蒸留は、モデルを独自の教師として利用し、推論のための密集した監督を提供する。 本稿では, 自己生成トラジェクトリの活性化を対比することにより, ステアリングベクトルを抽出する, アクティベーション・コンディション・セルフ蒸留(ACSD)を導入する。 ACSDは評価手法の中で4つの数学的ベンチマークよりも高い平均精度を達成している。
  論文  参考訳（メタデータ） (2026-09-29T18:06:56Z)
• DivOPD: Spread Wide, Look Close for Asynchronous On-Policy Distillation of Multi-turn Agents [13.785021627723061]
  DivOPDは単純な学習者側バッチ選択法であり、より多くのロールアウトに固定ターン予算を分散させる。 累積的な教師が生み出す経験でターンを優先する。 トレーニングトークンの1.84倍、バニラOPDの1.87倍のGPU時間を持つ、レポートされた設定固有のターゲットに到達する。
  論文  参考訳（メタデータ） (2026-09-28T10:35:39Z)
• DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
  ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。 直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。 メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
  論文  参考訳（メタデータ） (2026-09-23T03:06:01Z)
• Anatomy of a Closed-Loop Collapse: A Causal Case Study of a Compressed VLA Policy [0.0]
  圧縮された操作ポリシーは、クローズドループ実行中にオフライン評価をパスすることができる。 自然発生症例の因果解剖に寄与する。 最小ペアの介入は、トレーニングストリームの半分を配置配信の教師ロールアウトに置き換える。
  論文  参考訳（メタデータ） (2026-09-19T14:29:25Z)
• Pass the Baton: Trajectory-Relayed On-Policy Distillation [23.50689651536186]
  オンライン蒸留は、学生自身の軌道におけるトークンレベルの監督を基礎としているが、プレフィックスの失敗に悩まされている。 Relay On-Policy Distillation (Relay-OPD)において、失敗プレフィックス上の教師-学生継続非対称性を特定し、ラベルなしハンドオフトリガに変換する。 トレーニング中、Relay-OPDは、教師が検出されたトリガーポイントを一時的に引き継ぎ、教師の足を生成し、その後、生徒が再開し、その結果の軌道に最適化することで、リレーの軌跡を構築する。
  論文  参考訳（メタデータ） (2026-07-28T17:59:46Z)
• Outcome-Confounded Local Supervision in On-Policy Distillation [0.5937989874256571]
  オンライン蒸留は生徒を自身の軌道で訓練し、教師は生徒が訪問する接頭辞に密集したトークンレベルを供給している。 いずれの読解も、完成した軌跡の結果によって構築されていることを示す。 最終回答の正しさを両立させた結果解決診断法を提案する。
  論文  参考訳（メタデータ） (2026-07-26T16:03:33Z)
• Visual Contrastive Self-Distillation [61.298159957622886]
  本稿では,視覚的コントラスト自己蒸留法を提案する。 これと対照的に,本研究では,教師の具体的イメージ分布の明確化を図り,その結果のフルディストリビューション目標を学生に蒸留する。
  論文  参考訳（メタデータ） (2026-07-23T17:37:37Z)
• On-Policy Distillation with Best-of-N Teacher Rollout Selection [54.91780727674628]
  本報告では, オンライン蒸留のためのベスト・オブ・Nロールアウト教員選抜フレームワークBRTSを提案する。 BRTSは、教師軌道から構築された教師コンテキスト管理ブランチで、標準の学生コンテキストOPDを強化する。 BRTSは、挑戦的な推論ベンチマークにおいて、標準的なPDよりも改善されており、より難しいデータセットに対して最大の利益がある。
  論文  参考訳（メタデータ） (2026-05-10T19:49:00Z)
• Prune-OPD: Efficient and Reliable On-Policy Distillation for Long-Horizon Reasoning [66.52232008796294]
  Prune-OPDはトレーニング予算と監督品質を動的に調整する。 トレーニング時間を37.6%減らし-68.0%削減すると同時に、しばしば改善され、挑戦的なベンチマークのパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2026-05-08T14:38:53Z)
• A Rubric-Supervised Critic from Sparse Real-World Outcomes [87.11204512676193]
  現実のコーディングエージェントは、成功信号がノイズが多く、遅延し、スパースであるループで人間と動作します。 本稿では,RLに基づくトレーニングや推論時間スケーリングの報奨モデルとして,スパースとノイズの相互作用データから"批判的"モデルを学習するプロセスを提案する。
  論文  参考訳（メタデータ） (2026-03-04T07:23:54Z)

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。