論文の概要: Looking Back to Move Forward: Temporal Verification for Generative Robot Policies

• arxiv url: http://arxiv.org/abs/2609.39038v1
• Date: Wed, 30 Sep 2026 05:41:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.245106
• Title: Looking Back to Move Forward: Temporal Verification for Generative Robot Policies
• Title（参考訳）: 前を振り返って - 生成ロボット政策の時間的検証
• Abstract要約: 表現的生成行動モデリングと大規模実演コーパスからのスケーラブルな模倣学習を組み合わせた,ロボット学習のための有望なパラダイムとして生成ポリシーが登場した。 本稿では,フローマッチングVLAのための時空間認識型動作検証フレームワークTeVを紹介する。
• 参考スコア（独自算出の注目度）: 53.428667457759055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative policies have emerged as a promising paradigm for robot learning, combining expressive generative action modeling with scalable imitation learning from large demonstration corpora. However, heterogeneous demonstrations can induce suboptimal action chunks whose errors compound over time, eventually driving the robot into out-of-distribution states from which recovery is difficult. Action verification offers a test-time scaling strategy for mitigating this failure mode by sampling multiple candidate actions and using a verifier to select one for execution. Existing approaches, however, remain temporally myopic and costly to train, evaluating candidates from the current observation alone without accounting for trajectory continuity and often relying on large verifiers and additional expert demonstrations. In this paper, we introduce Temporal Verification (TeV), an efficient temporally aware action verification framework for flow-matching VLAs. TeV first learns a temporal token that summarizes recent observation--action history, enabling candidate chunks to be evaluated as continuations of the execution trajectory rather than as isolated predictions. Conditioned on this token, TeV constructs positive--negative pairs without additional expert demonstrations or preference annotations and trains an energy-based verifier contrastively to assign lower energy to higher-quality, trajectory-consistent action chunks. Beyond post-hoc ranking, TeV further uses the learned energy landscape to guide intermediate flow samples toward lower-energy regions, improving candidates before final selection. Extensive experiments in simulation and real-world settings demonstrate that TeV provides reliably ranks action candidates, improves task success rates, and produces smoother execution trajectories.
• Abstract（参考訳）: 表現的生成行動モデリングと大規模実演コーパスからのスケーラブルな模倣学習を組み合わせた,ロボット学習のための有望なパラダイムとして生成ポリシーが登場した。 しかし、不均一なデモンストレーションは、エラーが時間とともに複雑になる準最適アクションチャンクを誘導し、最終的に回復が困難であるアウト・オブ・ディストリビューション状態へとロボットを駆動する。 アクション検証は、複数の候補アクションをサンプリングし、検証器を使用して実行時にそのモードを選択することで、この障害モードを緩和するためのテストタイムスケーリング戦略を提供する。 しかし、既存のアプローチは、時間的に神秘的で、訓練に費用がかかるままであり、軌跡の連続性を考慮せず、しばしば大きな検証と追加の専門家のデモンストレーションに頼ることなく、現在の観察から候補者を評価する。 本稿では,フローマッチング型VLAのための時空間対応型動作検証フレームワークTeVを紹介する。 TeVはまず、最近の観測-行動履歴を要約した時間トークンを学習し、候補チャンクを独立した予測としてではなく、実行軌道の継続として評価することを可能にする。このトークンに条件づけられたTeVは、追加の専門家によるデモンストレーションや嗜好アノテーションなしで正負のペアを構築し、エネルギーベースの検証器を対照的に訓練し、より高品質でトラジェクトリに一貫性のあるアクションチャンクに低エネルギーを割り当てる。 ポストホックランキング以外にも、TeVは学習エネルギーのランドスケープを使用して、中間フローサンプルを低エネルギー領域へ誘導し、最終選択前の候補を改善する。 シミュレーションと実世界の設定における大規模な実験は、TeVが確実にランク付けされたアクション候補を提供し、タスクの成功率を改善し、よりスムーズな実行軌道を生成することを示した。

関連論文リスト

• FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
  FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。 FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
  論文  参考訳（メタデータ） (2026-07-27T05:10:16Z)
• Retrieve-then-Steer: Online Success Memory for Test-Time Adaptation of Generative VLAs [39.517362086761075]
  本稿では,VLAモデルのためのオンライン成功メモリ誘導テスト時間適応フレームワークを提案する。 展開中、ロボットは長期記憶に進捗校正された観察動作セグメントを格納する。 推論時に状態関連アクションチャンクを取得し、トラジェクトリレベルの一貫性を通じて一貫性のない候補をフィルタし、それらを前もってエリートアクションに集約する。 この設計により、凍結したVLAは、観測条件付き世代改良を保ちながら、環境特有の成功体験を利用することができる。
  論文  参考訳（メタデータ） (2026-05-11T07:11:10Z)
• See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
  本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
  論文  参考訳（メタデータ） (2026-03-10T07:22:51Z)
• Seeing Farther and Smarter: Value-Guided Multi-Path Reflection for VLM Policy Optimization [41.15414881730464]
  VLM(Vision-Language Models)は、この目標に対して、一般的なパーセプティブ・レアソン・アクティベート・フレームワークを提供する。 従来のアプローチは、ノイズの多い予見予測から状態値の非効率で、しばしば不正確な暗黙の学習に依存していた。 動作生成から状態評価を分離する新しいテスト時間計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-22T22:53:16Z)
• SeFA-Policy: Fast and Accurate Visuomotor Policy Learning with Selective Flow Alignment [7.446137164545049]
  選択フローアライメント(Selective Flow Alignment、SeFA)は、効率的かつ正確なビジュモータポリシー学習フレームワークである。 SeFAはこの課題を選択的フローアライメント戦略によって解決する。 推論遅延を98%以上削減しながら、精度と堅牢性を向上する。
  論文  参考訳（メタデータ） (2025-11-11T18:59:39Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)

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。