論文の概要: Flow Policies as Actions of Skill-Level World Models: Learned and Symbolic Abstractions for Long-Horizon Planning

• arxiv url: http://arxiv.org/abs/2610.04767v1
• Date: Sat, 03 Oct 2026 21:07:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:45:25.576545
• Title: Flow Policies as Actions of Skill-Level World Models: Learned and Symbolic Abstractions for Long-Horizon Planning
• Title（参考訳）: スキルレベル世界モデルのアクションとしてのフローポリシー:長期計画のための学習と象徴的抽象化
• Abstract要約: 完全スキルにセグメント化されたデモに基づいてトレーニングされたフローマッチングポリシから,スキルレベルのアクションを構築する。 シミュレーションブロック再構成タスクにおいて,一般的なワールドモデルトレーニング手順と計画フレームワークを用いて評価を行う。 ラベルがなければ、オブジェクト中心の学習コードはシングルスキルのタスクと一致し、2～5スキルのタスクで成功の4分の1を維持します。
• 参考スコア（独自算出の注目度）: 13.40917010074564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latent world models enable robots to plan by predicting the consequences of actions. Planning long tasks with control-rate actions requires many prediction steps, which enlarges the search space and accumulates error. Skill-level actions shorten these sequences, but a symbolic skill vocabulary requires domain knowledge and labeled demonstrations. We construct skill-level actions from the inputs of a flow-matching policy trained on demonstrations segmented into complete skills. The policy maps a noise seed and an observation, optionally with a code or label, to a complete skill execution, so one execution is one world-model transition. On this mechanism we propose four action abstractions with increasing task knowledge: a compressed seed, two discrete codes learned from the demonstrations, and a symbolic label. We evaluate them with a common world-model training procedure and planning framework on simulated block rearrangement tasks that require up to 14 sequential skills. The symbolic label succeeds in over 90% of the tasks that require up to six skills and degrades beyond. Without any label, an object-centric learned code matches it on single-skill tasks and retains half to three quarters of its success on tasks of two to five skills. Ablations attribute much of the label's advantage to its planner knowing which actions are applicable, rather than to the label itself. Beyond six skills the search, not the world model, limits success. Project page: https://andreumatoses.github.io/research/flow-skill-wm
• Abstract（参考訳）: 後期世界モデルは、アクションの結果を予測することによって、ロボットが計画できる。 制御速度アクションで長いタスクを計画するには、多くの予測ステップが必要であり、探索空間を拡大し、エラーを蓄積する。 スキルレベルアクションはこれらのシーケンスを短縮するが、記号的なスキル語彙はドメイン知識とラベル付きデモンストレーションを必要とする。 完全スキルにセグメント化された実演に基づいて訓練されたフローマッチングポリシーの入力から,スキルレベルのアクションを構築する。 ポリシーはノイズシードと観察をコードまたはラベルで任意に完全なスキル実行にマッピングするので、ひとつの実行は1つの世界モデル遷移である。 本機構では,課題知識を増大させる4つのアクション抽象化,圧縮シード,デモから学習した2つの離散コード,シンボルラベルを提案する。 最大14のシーケンシャルスキルを必要とするブロック再構成タスクをシミュレーションした、一般的なワールドモデルトレーニング手順と計画フレームワークを用いて評価する。 シンボリックラベルは、最大6つのスキルとそれ以上の劣化を必要とするタスクの90%以上を成功させる。 ラベルがなければ、オブジェクト中心の学習コードはシングルスキルのタスクと一致し、2～5スキルのタスクで成功の4分の1を維持します。 アブレーションは、レーベル自体よりも、どのアクションが適用可能かを知っているプランナーに、レーベルの利点のほとんどを反映している。 6つのスキルを超えて、世界モデルではなく検索は成功を制限している。 プロジェクトページ: https://andreumatoses.github.io/research/flow-skill-wm

関連論文リスト

• Decompose and Recompose: Reasoning New Skills from Existing Abilities for Cross-Task Robotic Manipulation [45.91196295385836]
  クロスタスクの一般化は、オープンソースのロボット操作における中核的な課題である。 中間表現としてアトミックなスキルアクションペアを用いたスキル推論フレームワークであるDecomposeとRecomposeを提案する。 われわれのアプローチでは、実演を解釈可能なスキル-アクションアライメントに分解し、モデルが見えないタスクのためにこれらのスキルを再構成できるようにする。
  論文  参考訳（メタデータ） (2026-05-02T13:55:28Z)
• WebXSkill: Skill Learning for Autonomous Web Agents [104.76374637691212]
  WebXSkillは、コードベースのスキルと自然言語ガイダンスのギャップを埋めるフレームワークである。 WebArenaとWebVoyagerでは、WebXSkillはタスク成功率をベースラインで最大9.8と12.9ポイント改善する。
  論文  参考訳（メタデータ） (2026-04-14T21:48:15Z)
• Offline Discovery of Interpretable Skills from Multi-Task Trajectories [8.119611773942562]
  オフラインスキル発見と階層的模倣のための3段階のエンドツーエンド学習フレームワークであるLOKIを紹介する。 LOKIは、挑戦的なD4RL Kitchenベンチマークで高い成功率を獲得し、標準のHILベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-02-01T05:03:58Z)
• Learning Semantic Atomic Skills for Multi-Task Robotic Manipulation [34.73582639920571]
  AtomSkillは、新しいマルチタスク模倣学習フレームワークである。 構成可能なロボット操作のために構造化された原子スキルスペースを学習し活用する。 さまざまな操作タスクにまたがって、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2025-12-20T13:46:08Z)
• SkillDiffuser: Interpretable Hierarchical Planning via Skill Abstractions in Diffusion-Based Task Execution [75.2573501625811]
  拡散モデルは、ロボット軌道計画の強力な可能性を示している。 高レベルの命令からコヒーレントな軌道を生成することは依然として困難である。 エンド・ツー・エンドの階層的計画フレームワークであるSkillDiffuserを提案する。
  論文  参考訳（メタデータ） (2023-12-18T18:16:52Z)
• Learning Neuro-Symbolic Skills for Bilevel Planning [63.388694268198655]
  意思決定は、連続したオブジェクト中心の状態、継続的なアクション、長い地平線、まばらなフィードバックを持つロボット環境では難しい。 タスク・アンド・モーション・プランニング(TAMP)のような階層的なアプローチは、意思決定を2つ以上の抽象レベルに分解することでこれらの課題に対処する。 我々の主な貢献は、オペレーターとサンプルラーを組み合わせたパラメータ化警察の学習方法である。
  論文  参考訳（メタデータ） (2022-06-21T19:01:19Z)
• Bottom-Up Skill Discovery from Unsegmented Demonstrations for Long-Horizon Robot Manipulation [55.31301153979621]
  我々は,実世界の長距離ロボット操作作業に,スキル発見による取り組みを行う。 未解決のデモンストレーションから再利用可能なスキルのライブラリを学ぶためのボトムアップアプローチを提案する。 提案手法は,多段階操作タスクにおける最先端の模倣学習手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-09-28T16:18:54Z)

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。