論文の概要: Learning Transferable Skills using Goal-Conditioned Bisimulation

• arxiv url: http://arxiv.org/abs/2610.00676v1
• Date: Wed, 30 Sep 2026 20:13:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.75425
• Title: Learning Transferable Skills using Goal-Conditioned Bisimulation
• Title（参考訳）: Goal-Conditioned Bisimulation を用いたトランスファー可能なスキルの学習
• Abstract要約: 本研究では,環境の局所的時間構造を保ちながら,行動認識の時間的表現を学習する目的について述べる。 そこで本研究では,バイシミュレーションを用いた教師なしスキル発見手法を提案する。 本研究では,様々な環境配置における下流課題の解決に,与えられた環境において学習したスキルを効果的に適用できることを示す。
• 参考スコア（独自算出の注目度）: 7.326350249076234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unsupervised skill discovery has emerged as a promising approach for leveraging reward-free datasets to pretrain general-purpose policies. However, current skill discovery methods either require access to expert data or exhibit limited generalization, failing to transfer effectively to previously unseen layouts. A key challenge is to learn representations that capture the temporal structure of the environment while remaining robust to variations across layouts. To address this issue, we present an objective for learning action-aware temporal representations that satisfy the functional equivariance property while preserving the local temporal structure of the environment. Building upon this embedding, we further propose unsupervised skill discovery using bisimulation, which learns transferable skills by conditioning the behavior of skills exclusively on the subset of state features that directly affect their execution. This enforces invariant behavior across different layouts, enabling skills to transfer effectively to other configurations. Finally, through comprehensive empirical evaluations, we show that skills learned in a given environment can be effectively applied to solve downstream tasks in various environment layouts, demonstrating strong out-of-distribution generalization.
• Abstract（参考訳）: 非教師なしスキル発見は、報酬のないデータセットを利用して汎用ポリシーを事前訓練するための有望なアプローチとして現れている。 しかし、現在のスキル発見手法は、専門家データへのアクセスを必要とするか、限定的な一般化を示すかのいずれかであり、以前は見つからなかったレイアウトに効果的に転送できない。 重要な課題は、環境の時間構造を捉えながら、レイアウトのバリエーションに頑丈な表現を学ぶことである。 本研究では,環境の局所的時間構造を保ちながら,機能的同値性を満たす行動認識時間表現を学習する目的について述べる。 この埋め込みを基盤として,バイシミュレーションを用いた教師なしのスキル発見を提案する。これは,その実行に直接的な影響を及ぼす状態特徴のサブセットにのみスキルの振る舞いを条件付けることによって,伝達可能なスキルを学習する。 これにより、異なるレイアウトにわたる不変の振る舞いを強制し、スキルを他の構成に効果的に転送することが可能になる。 最後に、総合的な経験的評価を通じて、各環境において学習したスキルが、様々な環境配置における下流タスクの解決に効果的に適用可能であることを示す。

関連論文リスト

• Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills [53.15216425100295]
  本稿では,提案者,解決者,スキルコントローラからなる共進化型フレームワークであるスキルセルフプレイ(スキルSP)を紹介する。 プロジェクタは動的にサンプリングされたスキルを前提とした挑戦的なタスクを生成し、ソルバは能力境界を押し上げるための候補ソリューションを探索し、スキルコントローラは実行フィードバックを収集してスキルライブラリを更新および拡張する。 このインタラクティブな共進化は、構造化された検証とオープンな調査の間のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2026-07-24T17:59:22Z)
• Task Parameter Extrapolation via Learning Inverse Tasks from Forward Demonstrations [8.01638683277787]
  新規な条件にスキルポリシーを一般化することは、ロボット学習における重要な課題である。 データ効率は高いが、模倣学習方法はトレーニング領域に限られており、外部の入力データに一貫して失敗する。 本稿では,正確かつ効率的な知識伝達を実現するための新しい共同学習手法を提案する。
  論文  参考訳（メタデータ） (2026-03-05T17:14:10Z)
• Leveraging sparse and shared feature activations for disentangled representation learning [112.22699167017471]
  本稿では,教師付きタスクの多種多様な集合から抽出した知識を活用し,共通不整合表現を学習することを提案する。 我々は6つの実世界分布シフトベンチマークと異なるデータモダリティに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2023-04-17T01:33:24Z)
• Learning Transferable Motor Skills with Hierarchical Latent Mixture Policies [37.09286945259353]
  階層的混合潜時変動モデルを用いて,データから抽象運動スキルを学習する手法を提案する。 提案手法は,オフラインデータを異なる実行動作に効果的にクラスタ化することができることを示す。
  論文  参考訳（メタデータ） (2021-12-09T17:37:14Z)
• Direct then Diffuse: Incremental Unsupervised Skill Discovery for State Covering and Goal Reaching [98.25207998996066]
  我々は、スキル発見のための相互情報フレームワークを構築し、カバレッジ指向のトレードオフに対応するためにUPSIDEを導入します。 いくつかのナビゲーションおよび制御環境において、UPSIDEが学んだスキルが、既存のベースラインよりもスパース・リワードな下流タスクをどのように解決するかを説明する。
  論文  参考訳（メタデータ） (2021-10-27T14:22:19Z)
• Unsupervised Domain Adaptation with Dynamics-Aware Rewards in Reinforcement Learning [28.808933152885874]
  無条件強化学習は、事前の目標表現なしでスキルを獲得することを目的としている。 別の相互作用に富んだ環境でのトレーニングの直感的なアプローチは、ターゲット環境におけるトレーニングスキルを阻害する。 本稿では,動的にスキルを習得するための教師なしドメイン適応手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T14:40:48Z)
• Ecological Reinforcement Learning [76.9893572776141]
  このような条件下での学習を容易にする環境特性について検討する。 環境の特性が強化学習エージェントのパフォーマンスにどのように影響するかを理解することは、学習を魅力的にする方法でタスクを構造化するのに役立ちます。
  論文  参考訳（メタデータ） (2020-06-22T17:55:03Z)

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。