論文の概要: REDIRECT: A 1% Fix for Bad Robot Habits

• arxiv url: http://arxiv.org/abs/2610.03997v1
• Date: Fri, 02 Oct 2026 20:00:22 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:12:26.820127
• Title: REDIRECT: A 1% Fix for Bad Robot Habits
• Title（参考訳）: REDIRECT:悪いロボットの軌道に1%の修正
• Abstract要約: 混合品質のロボットデータでは、通常と問題のあるデモは、ほとんどのタスクの振る舞いを共有し、局所的なアクション継続においてのみ異なる。 完全トレーニングのサンプル・バックワード予算の1%で局所的な差を修正できるかどうかを問う。 REDIRECTはエピソードレベルの保持/プロブレマティックラベルのみを使用して、ブランチをローカライズし、その周りの元の観察に一貫性のある継続を割り当て、フレームレベルのアノテーションや追加のインタラクションなしで共有された振る舞いをアンカーする。
• 参考スコア（独自算出の注目度）: 3.7408232127015792
• License:
• Abstract: Robots can acquire bad habits from a few defective moments in otherwise useful teleoperation. In mixed-quality robot data, normal and problematic demonstrations share most task behavior and differ only at a local action continuation. Full retraining is costly, while fine-tuning on clean data alone offers limited recovery under a small update budget. We ask whether the local difference can instead be fixed with only 1% of the full-training sample-backward budget. Using only episode-level retained/problematic labels, REDIRECT localizes the branch, assigns a coherent retained continuation to the original observations around it, and anchors shared behavior, without frame-level annotations or additional interaction. Across three randomized ManiSkill tasks and three seeds, REDIRECT raises the mean success rate from 68.2% to 90.3%, recovering 88.8% of the clean-retraining gap versus 22.1% for matched-compute fine-tuning. On a PiPER arm, it recovers 86.7-92.9% of the clean-only gap across cup insertion and towel folding. Local robot habits can therefore be repaired by spending the update budget on the behavioral difference rather than relearning shared behavior.
• Abstract（参考訳）: ロボットは、いくつかの欠陥のある瞬間から悪い習慣をつかむことができる。 混合品質のロボットデータでは、通常と問題のあるデモは、ほとんどのタスクの振る舞いを共有し、局所的なアクション継続においてのみ異なる。 完全なリトレーニングはコストがかかるが、クリーンなデータのみを微調整することで、小さな更新予算の下でのリカバリが制限される。 完全トレーニングのサンプル・バックワード予算の1%で局所的な差を修正できるかどうかを問う。 REDIRECTはエピソードレベルの保持/プロブレマティックラベルのみを使用して、ブランチをローカライズし、その周りの元の観察に一貫性のある継続を割り当て、フレームレベルのアノテーションや追加のインタラクションなしで共有された振る舞いをアンカーする。 3つのランダム化されたマニスキルタスクと3つの種の中で、REDIRECTは68.2%から90.3%まで平均的な成功率を上げ、整合した微調整では88.8%、整合した微調整では22.1%を回復した。 PiPERのアームでは、カップの挿入とタオルの折り畳みの間の清潔な唯一の隙間の86.7-92.9%を回復する。 したがって、ローカルロボットの習慣は、共有行動を再学習するよりも、行動の違いに更新予算を費やすことで修復することができる。

関連論文リスト

• Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning [49.96968347002295]
  人間のデモから学ぶことは、ロボットに新しいタスクを教えるための信頼できる方法だが、ポリシーが改善するにつれて、追加のデモから得られる利益は減少する。 我々は、高精度な操作タスクにおいて、監督エピソードの固定予算から改善を最大化する方法を問う。 フェールが初期状態の小さなサブセットに集中できることを観察するため、均一なコレクションは、ポリシーがすでに処理している状態にオペレータの時間の大部分を費やします。
  論文  参考訳（メタデータ） (2026-10-05T06:56:13Z)
• Recova: Agent-Guided Failure Recovery for Autonomous Robotic Manipulation [104.46042352396563]
  Recovaはエージェント誘導型フレームワークで、再構築されたデジタルツインでタスク実行とリカバリを共同で開発する。 双子では、エージェントは障害を診断し、修正プログラムをテストし、異なるポリシーのために正常なタスクとリカバリのロールアウトを収集する。 適切なリカバリが得られない場合、人間のデモによって障害が解決され、システムがリカバリ機能を拡張することができる。
  論文  参考訳（メタデータ） (2026-10-01T06:52:05Z)
• Dissecting Motion-Prior Regularization for Data-Scarce Robotic Insertion [9.335726811337617]
  最小のジャークは予測される翻訳加速度の急激な変化を阻止し、速度曲率正規化は移動速度と経路幾何学を結合する。 4つの条件クラスにまたがる設定ごとに実ロボット実験を80回行ったところ, 前者と共同で, 前者, 汎用的スムーズさをそれぞれ比較した。 関節の正則化は5.0ポイントを超えなかったが、最低限のジャーク以上の利得は得られなかった。
  論文  参考訳（メタデータ） (2026-09-15T17:25:20Z)
• Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment [53.913175773174636]
  既存のパイプラインは、自己リセット、VLM検証、言語指導による修正を通じて、人間の労力を減らす。 Zero2Skill(ゼロ2スキル)は、人ロボットの共生型エージェントシステムで、丸ごとの修正を維持・再利用する。
  論文  参考訳（メタデータ） (2026-07-15T17:16:24Z)
• Speed is Confidence [1.2720220587982818]
  入賞回路とタイム・ツー・ファースト・スパイク・コーディングは、ニューロンが自信の表現として発火する時に暗黙的に扱う。 この原理をTiny Recursive Models (TRM) のアンサンブルに適用する。 Sudoku-Extremeでは、ストップファーストの選択は、確率平均化の91%に対して97%の精度を達成する。
  論文  参考訳（メタデータ） (2026-01-27T01:43:59Z)
• Identifying Suitable Tasks for Inductive Transfer Through the Analysis of Feature Attributions [78.55044112903148]
  我々は、単一タスクモデル間のニューラルネットワークアクティベーションの比較を通じて、タスクペアが相補的になるかどうかを予測するために、説明可能性技術を使用する。 提案手法により,TREC-IS 2020-Aデータセットでは,正のクラスF1の0.034の削減に留まらず,最大83.5%のトレーニング時間を短縮することが可能である。
  論文  参考訳（メタデータ） (2022-02-02T15:51:07Z)

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。