論文の概要: RoboCoach: World Models as Active Coaches for Compositional Robot Skills

• arxiv url: http://arxiv.org/abs/2609.39685v1
• Date: Wed, 30 Sep 2026 13:14:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.824642
• Title: RoboCoach: World Models as Active Coaches for Compositional Robot Skills
• Title（参考訳）: RoboCoach: 作曲ロボットスキルのアクティブコーチとしての世界モデル
• Abstract要約: 本稿では,世界モデル誘導型コーチングフレームワークROBOCOACHを紹介する。 想像上の失敗を使って、デモ要求と専門家の更新をガイドする。
• 参考スコア（独自算出の注目度）: 48.28769719382681
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon robot manipulation reuses skills across many task compositions, but improving these compositions with additional end-to-end demonstrations is costly. A practical self-improving system must decide both what to teach next and where to apply that supervision. We present ROBOCOACH, a world-model-guided coaching framework that uses imagined failures to guide demonstration requests and expert updates. Its Route-Imagine-Diagnose-Improve (RIDI) loop executes reusable skill experts inside COACHWORLD, our shared action-conditioned world model, and uses a progress judge to record the first subtask that fails to complete. Aggregated records select which subtask demonstrations to acquire and which expert adapters to update. Across two simulation suites and two real-robot platforms, imagined and deployed success correlate over 22 task-policy pairs (rho = 0.840). Controlled comparisons show that our coaching method outperforms matched baselines under matched data budgets and update schedules. With only 150 additional subtask demonstrations, success rises from 13.3% to 75.0% on Franka and from 40.0% to 83.8% on AgileX. The coached experts also transfer to four held-out compositions, achieving an average success of 35.0%, compared with 0% for a shared-policy baseline updated with uniformly acquired demonstrations. Together, these results show that world models can serve as active coaches, turning imagined failures into targeted supervision for modular policy improvement. Project Page: https://robocoach-ai.github.io/
• Abstract（参考訳）: ロングホライズンロボットの操作は多くのタスク構成のスキルを再利用するが、これらの構成をエンド・ツー・エンドのデモで改善することはコストがかかる。 実践的な自己改善システムは、次に何を教えるか、その監督をどこに適用するかを判断しなければならない。 提案するROBOCOACHは,実演要求のガイドや専門家の更新を行う上で,想像上の失敗を利用する世界モデル誘導型コーチングフレームワークである。 Route-Imagine-Diagnose-Improve (RIDI) ループは、我々の共有アクション条件の世界モデルであるCOACHWORLD内で再利用可能なスキルエキスパートを実行する。 集約されたレコードは、どのサブタスクのデモを取得し、どのエキスパートアダプタを更新するかを選択する。 2つのシミュレーションスイートと2つの実ロボットプラットフォームにまたがって、22組のタスクポリシーペア(rho = 0.840)を想像し、デプロイした成功と相関する。 制御された比較結果から,我々のコーチング手法は,一致したデータ予算と更新スケジュールの下で,一致したベースラインよりも優れていた。 わずか150のサブタスクのデモで、成功率は13.3%から75.0%に、AgileXでは40.0%から83.8%に上昇した。 コーチされた専門家は、4つのホールトアウト・コンポジションに移行し、平均35.0%の成功を収めた。 これらの結果は、世界モデルがアクティブなコーチとして機能することを示し、想定された失敗をモジュラーポリシー改善のターゲット監視に変換する。 Project Page: https://robocoach-ai.github.io/

関連論文リスト

• EVO-WAM: Evolving World Action Models through Video-Action Verification [51.68210232964847]
  EVO-WAMは、自身の生成したビデオアクション軌跡から学習することで、WAMを見えないタスクに適応するフレームワークである。 コスモス3の平均成功率は20.0%から76.7%に改善され、56.7%となった。
  論文  参考訳（メタデータ） (2026-09-29T17:25:35Z)
• BlenDAgger: Blended Shared Control for Interactive Imitation Learning [8.819784498473654]
  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。
  論文  参考訳（メタデータ） (2026-09-29T13:51:15Z)
• GE-Act 2.0: Pretraining and Scaling a World-Action Model for Robotic Manipulation [63.853929983870955]
  本稿では,ジェニー・エンスペクタ法 2.0 (GE-Act 2.0) について紹介する。 制御指向オートエンコーダ(CoAE)、ワンステップビジュアルプランナー(SVP)、逆ダイナミクスモデル(IDM)を組み合わせている。 それらのコンポーネントは、知識に整合した選択最適化(KASO)で共同で訓練され、記録された行動に適合していると判断された予測された未来のみを選択することで、ミスマッチした監視を減らす。
  論文  参考訳（メタデータ） (2026-09-04T17:16:48Z)
• Android Coach: Improve Online Agentic Training Efficiency with Single State Multiple Actions [10.809432858954006]
  トレーニングパラダイムをSingle State Multiple ActionsにシフトするフレームワークであるAndroid Coachを提案する。 UI-TARS-1.5-7BよりもAndroidLabとAndroidWorldで7.5%と8.3%の成功率の向上を実現している。 PPOやGRPOよりも1.4倍高いトレーニング効率を実現している。
  論文  参考訳（メタデータ） (2026-04-08T16:40:26Z)
• MM-ACT: Learn from Multimodal Parallel Generation to Act [80.9182259389658]
  MM-ACTは、テキスト、画像、アクションを共有トークン空間に統合し、3つのモード全てで生成する。 コンテキスト共有型マルチモーダル学習は、共有コンテキストから3つのモードすべての生成を監督する。 提案手法は,実フランカの3つのタスクで96.3%,実フランカの3つのタスクで72.0%,RoboTwin2.0の8つの2つのタスクで52.38%を達成している。
  論文  参考訳（メタデータ） (2025-11-30T16:46:35Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• KUCST at CheckThat 2023: How good can we be with a generic model? [0.30458514384586394]
  著者の帰属やプロファイリングにインスパイアされた,多種多様なタスクに対処するための汎用的なアプローチを採用している。 多くの機械学習モデルをトレーニングし、この結果から、Gradient Boostingが両方のタスクに最適であることを示す。
  論文  参考訳（メタデータ） (2023-06-15T13:09:40Z)
• Watch and Match: Supercharging Imitation with Regularized Optimal Transport [28.3572924961148]
  正規化された最適輸送(ROT)は、最適輸送に基づく軌道マッチングの最近の進歩に基づく新しい模倣学習アルゴリズムである。 DeepMind Control Suite、OpenAI Robotics Suite、Meta-World Benchmarkにまたがる20の視覚的制御タスクの実験では、専門家のパフォーマンスの90%に達するために平均7.8倍の高速な模倣が実証された。
  論文  参考訳（メタデータ） (2022-06-30T17:58:18Z)

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。