論文の概要: ChunkTrust: Adapting Execution Horizons for Robot Policies with Action-Expert Evidence
- arxiv url: http://arxiv.org/abs/2609.39754v1
- Date: Wed, 30 Sep 2026 13:52:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.857188
- Title: ChunkTrust: Adapting Execution Horizons for Robot Policies with Action-Expert Evidence
- Title（参考訳）: ChunkTrust:Action-Expert Evidenceを用いたロボットポリシーに対する実行ホライズン適応
- Abstract要約: ChunkTrustは、実行地平線をアクション-専門家の証拠から推測される潜在変数として扱う。
生成トレースのチャンク内スペクトル安定性と、実行された履歴と予測されたアクションの間のチャンク間連続性を組み合わせる。
RoboTwin2.0 と RoboCasa GR1 Tabletop 全体で、AHS は評価された基本政治構成ごとにタスク平均の成功率を改善する。
- 参考スコア（独自算出の注目度）: 24.564986590265804
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robot foundation policies predict action chunks, but how many actions to execute before replanning depends on the current task phase. We introduce ChunkTrust, which treats the execution horizon as a latent variable inferred from action-expert evidence rather than a fixed hyperparameter. Its training-free Action-aware Horizon Selector (AHS) combines intra-chunk spectral stability of generation traces with inter-chunk continuity between executed history and predicted actions. An online Beta posterior with kernel forgetting tracks horizon preferences across replans. A lightweight Query-based Horizon Adapter (QHA) optionally learns a context-conditioned dense prior from complementary evidence, fused with current evidence and episode-local Beta memory while the base policy remains frozen. Across RoboTwin2.0 and RoboCasa GR1 Tabletop, AHS improves overall task-averaged success for each evaluated base-policy configuration, including gains of +6.80 percentage points on $π_{0.5}$ over all 50 RoboTwin2.0 tasks and +9.67 percentage points on Qwen3GR00T in RoboCasa. AHS+QHA raises the gain over Base to +9.44 percentage points on the eight-task $π_{0.5}$ evaluation. On four real-world household tasks, AHS improves the equal-task mean normalized process score from 50.4% to 57.5%. Ablations examine the contributions of both evidence terms, temporal memory, and the learned prior. Project page is https://hf618.github.io/ChunkTrust.github.io/
- Abstract（参考訳）: ロボットファウンデーションポリシーはアクションチャンクを予測するが、リプランする前に実行するアクションの数は現在タスクフェーズに依存している。
我々はChunkTrustを紹介した。これは、固定されたハイパーパラメータではなく、アクション-エキスパートエビデンスから推測される潜在変数として実行地平線を扱います。
トレーニング不要なアクション対応ホライゾンセレクタ(AHS)は、生成トレースのチャンク内スペクトル安定性と、実行された履歴と予測されたアクションの間のチャンク間連続性を結合する。
カーネルを忘れるオンラインベータ後部は、リプラン間で水平方向の好みをトラックする。
軽量なクエリベースのHorizon Adapter (QHA) は、相補的なエビデンスからコンテキスト条件付き密集体を任意に学習し、基本方針が凍結されている間に現在のエビデンスとエピソードローカルベータメモリと融合する。
RoboTwin2.0 と RoboCasa GR1 Tabletop 全体で、AHS は評価された基本政治構成ごとに、50 のRoboTwin2.0 タスクで +6.80 %、RoboCasa の Qwen3GR00T で +9.67 %、全体のタスク平均成功率を改善している。
AHS+QHAはベース以上の利得を8タスクのπ_{0.5}$評価で+9.44ポイントに引き上げる。
4つの実世界の家庭作業において、AHSは平均正規化プロセススコアを50.4%から57.5%に改善した。
アブレーションは、証拠用語、時間記憶、学習前の両方の貢献を検証している。
プロジェクトページはhttps://hf618.github.io/ChunkTrust.github.io/
関連論文リスト
- TaskAnchor: Grounding Task State in Reactive VLAs for Long-Horizon Manipulation [49.02604313942616]
VLA(Reactive Vision-Language-action)ポリシーは、長時間の操作においてタスク状態のエイリアスに悩まされる。
本稿では,VLAのネイティブ入力空間に実行コンテキストを注入することでタスク状態を基底とする軽量アダプタTaskAnchorを提案する。
長期のベンチマークではTaskAnchorが大幅に上昇し、pi0.5とX-VLAのベースラインの平均的な成功率の6倍に達する。
論文 参考訳（メタデータ） (2026-09-20T11:57:10Z) - Shared Execution-Clock Drifting Policy for Dynamic Precision Manipulation [2.44955840609554]
実行リズムは、ロボットが期限前に一連の調整を完了しなければならない場合に重要である。
本稿では、実行リズムを1ステップのアクション生成の明示的な部分とする共有実行クロックドリフト(SECD)を提案する。
NVIDIA Thor を用いた 4 つの実ロボットタスクを対象としたSECD の評価を行った。
論文 参考訳（メタデータ） (2026-09-20T02:42:31Z) - Fewer Steps, Better Actions: Rethinking Flow-Matching Inference for VLA Policies [6.735527039644392]
フローマッチングに基づく視覚パーセンテージアクション(VLA)ポリシーは、アクションエキスパートの繰り返しの評価を通じてアクションチャンクを生成する。
我々は,この統合予算の一部を単一学習エンドポイントに再配置するCodaを提案する。
50のRoboTwin Easyタスクでは、5ステップのCodaが71.64%から74.68%に改善された。
論文 参考訳（メタデータ） (2026-09-18T01:57:17Z) - EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。
本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。
共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
論文 参考訳（メタデータ） (2026-09-01T14:14:47Z) - Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses [83.32611586724165]
Recurisは、ロングホライゾンエージェントハーネスのためのExperiential-Working Memoryアーキテクチャである。
Work Memoryはタスクの進捗を追跡し、Experiential Memoryからスキル選択をガイドする。
4つのロングホライズンベンチマークと10のモデルでRecurisは37のモデルベンチマークペアのうち35のタスク成功を改善している。
論文 参考訳（メタデータ） (2026-08-25T17:56:35Z) - Continue or Replan? Bernoulli-Continuation Policy Learning for Adaptive Horizon Execution [38.8233224696416]
Bernoulli-Continuation Policy (BCP)は、適応的な水平線実行のための軽量なプラグアンドプレイフレームワークである。
LingBot-VLAを基本方針とするRoboTwin 2.0では、BCPは13の低いタスクにおいて平均成功率を+11.08%向上させる。
本物のロボットでは、BCPは成功を74%から92%、そして2つの操作タスクで44%から84%に引き上げる。
論文 参考訳（メタデータ） (2026-08-04T11:21:08Z) - WatchAct: A Benchmark for Behavior-Grounded Robot Manipulation [49.31386176285509]
WatchActは、観察された人間の行動に基づくロボット操作のベンチマークである。
WatchActは4つの機能ドメインで14タスクにわたる3,000のロングホライゾンインスタンスで構成されている。
シミュレーションとFranka Research 3ロボットの両方で、現在のシステムはWatchActの解決には程遠い。
論文 参考訳（メタデータ） (2026-06-24T23:13:56Z) - PACE: Phase-Aware Chunk Execution for Robot Policies with Action Chunking [37.9894332388921]
PACEは、予測チャンク自身からオンラインで実行地平線を選択する、トレーニング不要なテスト時間実行方法である。
PACEは予測されたアクションチャンクのみを使用するため、プラグアンドプレイであり、ポリシー内部への再トレーニングやアクセスは不要である。
我々はシミュレーションと実ロボット設定の両方で大規模な評価によってPACEを検証する。
論文 参考訳（メタデータ） (2026-05-30T05:11:06Z) - APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay [7.370176470430802]
LLMベースの自律エージェントは、永続的な手続き記憶を欠いている。
我々は,構造化手続き計画の蓄積,検索,再利用を行う非パラメトリックオンライン学習フレームワークであるAPEX-EMを提案する。
論文 参考訳（メタデータ） (2026-03-31T00:24:56Z) - From Continual Learning to SGD and Back: Better Rates for Continual Linear Models [50.11453013647086]
以前見られたタスクの損失を、$k$の繰り返しの後、忘れること、すなわち、分析する。
実現可能な最小二乗の設定において、新しい最上界を創出する。
我々は、タスクを繰り返しないランダム化だけで、十分に長いタスクシーケンスで破滅的な事態を防げることを初めて証明した。
論文 参考訳（メタデータ） (2025-04-06T18:39:45Z)
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。