論文の概要: From Language Priors to Field Adaptation: Preference Learning for Traversability Estimation

• arxiv url: http://arxiv.org/abs/2610.02974v1
• Date: Fri, 02 Oct 2026 08:07:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.27535
• Title: From Language Priors to Field Adaptation: Preference Learning for Traversability Estimation
• Title（参考訳）: 言語からフィールド適応へ:トラバーサビリティ推定のための選好学習
• Abstract要約: この研究は、サンプル効率のよい選好学習を用いて、対象ドメインに必要なアノテーションの数を減らすことを目的としている。 提案手法は,フリーズされた視覚言語特徴空間におけるフォン・ミセス=フィッシャー混合プロトタイプの可逆性を表す。 WayFASTの実験では、エンドツーエンドのトレーニングされた推定器と精度が競い合っている。
• 参考スコア（独自算出の注目度）: 36.89030911069138
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image-based traversability estimation is inherently dependent on the robot platform, deployment domain, and mission preferences, which limits the applicability of purpose-trained models. To facilitate domain adaptation, this work aims to reduce the number of required annotations in the target domain using sample-efficient preference learning. Our method represents traversability through von Mises-Fisher mixture prototypes in a frozen vision-language feature space. Relative natural-language rules provide a commonsense prior, while sparse relative image annotations adapt the prototype directions and utilities to a target domain through computationally and sample-efficient fine-tuning. Experiments on WayFAST demonstrate accuracy competitive with end-to-end trained estimators while enabling sample-efficient image-based adaptation. Qualitative experiments further demonstrate the language prior's zero shot applicability and the fine-tuned estimator's improved dense prediction on semantic maps. Evaluation is complemented via semantic interpretation of learned prototypes by dissecting semantically close natural language prompts. Code and trained estimators available at https://resireg.github.io
• Abstract（参考訳）: 画像ベースのトラバーサビリティ推定は、本質的にロボットプラットフォーム、デプロイメントドメイン、ミッション好みに依存しており、目的学習モデルの適用性を制限する。 ドメイン適応を容易にするため、本研究はサンプル効率のよい選好学習を用いて、対象ドメインに必要なアノテーションの数を減らすことを目的としている。 提案手法は,フリーズされた視覚言語特徴空間におけるフォン・ミセス=フィッシャー混合プロトタイプの可逆性を表す。 相対的な自然言語規則は、計算的かつサンプル効率の良い微調整によって、相対的な画像アノテーションがプロトタイプの方向とユーティリティを対象の領域に適応させるのに対して、事前の常識を提供する。 WayFASTの実験は、サンプル効率のよい画像ベースの適応を可能にしながら、エンドツーエンドのトレーニングされた推定器と精度を競い合うことを示した。 定性的実験により、言語事前のゼロショット適用性や、微調整された推定器による意味地図上の密度予測の改善がさらに実証された。 評価は、学習したプロトタイプのセマンティック解釈を通じて、セマンティックに閉じた自然言語のプロンプトを分離することによって補完される。 コードとトレーニングされた推定器はhttps://resireg.github.ioで入手可能だ。

関連論文リスト

• Frustratingly Simple Black-Box Adaptation of Language Models via Logit Bias [22.505637796473337]
  APIレベルのコントロールにより、モデルのロジットをユーザ定義ベクタでバイアスすることができる。 単一コンテキストに依存しないロジットバイアスベクトルを学習するためのブラックボックス法を開発した。
  論文  参考訳（メタデータ） (2026-07-24T18:27:58Z)
• PAS: Estimating the target accuracy before domain adaptation [5.3657339377154285]
  本研究では,ソースドメインセットと事前学習した特徴抽出器のターゲット分類タスクへの転送可能性を評価するためのスコアであるPASを提案する。 我々はPASを、複数の候補の中で最も関連性の高い事前学習モデルとソースドメインを示すフレームワークに統合する。 画像分類ベンチマークの実験では、PASが実際の目標精度と強く相関していることが示されている。
  論文  参考訳（メタデータ） (2026-04-10T19:46:19Z)
• Fisher Random Walk: Automatic Debiasing Contextual Preference Inference for Large Language Model Evaluation [46.643610591694376]
  偏差推定を自動化する半パラメトリック効率的な推定器を開発した。 釣りランダムウォーク(Fisher random walk)と呼ばれる新しい戦略から重みが導出されると効率が向上することを示す。
  論文  参考訳（メタデータ） (2025-09-06T22:29:17Z)
• Bayesian Test-Time Adaptation for Vision-Language Models [51.93247610195295]
  CLIPのような事前訓練された視覚言語モデルによるテスト時適応は、新しい、潜在的に配布外テストデータにモデルを適応させることを目的としている。 我々は、クラス埋め込みを継続的に更新して妥当性を適応させる新しいアプローチ、textbfBayesian textbfClass textbfAdaptation (BCA)を提案する。
  論文  参考訳（メタデータ） (2025-03-12T10:42:11Z)
• Unsupervised Calibration through Prior Adaptation for Text Classification using Large Language Models [37.39843935632105]
  ラベル付きサンプルを必要とせずにテキスト分類タスクを実行するために,先行クラス分布に適応する手法を提案する。 その結果,これらの手法は,プロンプト内の訓練ショット数が異なる場合,適応しないモデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-07-13T12:11:36Z)
• Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
  我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。 合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
  論文  参考訳（メタデータ） (2023-02-23T18:57:14Z)
• Robust Unsupervised Cross-Lingual Word Embedding using Domain Flow Interpolation [48.32604585839687]
  従来の敵対的アプローチは、並列データ無しに言語間単語埋め込みを誘導する有望な結果を示している。 そこで本研究では,滑らかなブリッジングのための中間空間列を提案する。
  論文  参考訳（メタデータ） (2022-10-07T04:37:47Z)
• A Generative Language Model for Few-shot Aspect-Based Sentiment Analysis [90.24921443175514]
  我々は、アスペクト項、カテゴリを抽出し、対応する極性を予測するアスペクトベースの感情分析に焦点を当てる。 本稿では,一方向の注意を伴う生成言語モデルを用いて,抽出タスクと予測タスクをシーケンス生成タスクに再構成することを提案する。 提案手法は,従来の最先端(BERTをベースとした)の性能を,数ショットとフルショットの設定において,大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-04-11T18:31:53Z)

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。