論文の概要: Attacca: Goal-Directed Control under State Continuity for Long-Horizon Embodied Agents

• arxiv url: http://arxiv.org/abs/2610.07785v1
• Date: Tue, 06 Oct 2026 05:29:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.827742
• Title: Attacca: Goal-Directed Control under State Continuity for Long-Horizon Embodied Agents
• Title（参考訳）: Attacca: 長期帯電剤に対する状態継続時のゴール指向制御
• Abstract要約: Attaccaは、完全な検索から対話的な軌道上で、視覚的な目標条件のポリシーを訓練する。 Minecraftにおける複数の短・長軸エンボディタスクにおけるAttaccaの評価を行った。
• 参考スコア（独自算出の注目度）: 23.199458616947265
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A central capability of embodied agents is to accomplish complex objectives through sequences of interdependent tasks. Yet existing visual goal-conditioned policies underlying these agents are typically evaluated on isolated interactions where the target is already visible, and thus do not capture the conditions that arise during continuous long-horizon task execution. In such settings, each task begins from the state left by the previous one: the agent may end at a different position and orientation, the world may have been modified, and the next interaction target may lie outside the current field of view. As a result, agents relying on such policies may struggle to proceed to the next task when they cannot ground their target in the current observation. To address this challenge, we propose Attacca, a new approach that trains visual goal-conditioned policies on complete search-to-interact trajectories using goal images decoupled from the execution environment. Attacca uses context-decoupled goal sampling to pair each demonstration with a class-compatible masked goal image from another world, removing direct scene and pose correspondence. It learns dense current-view grounding through a target-mask prediction head, providing auxiliary supervision beyond action imitation. We further introduce behavioral-phase conditioning that teaches the policy to distinguish Search, Approach, and Interact stages and adapt its control as execution progresses. We evaluate Attacca on multiple short- and long-horizon embodied tasks in Minecraft. Our method achieves 39.0-47.5% clean success, improving over the strongest baseline by 1.7-2.4x. On long-horizon tasks, it attains 54%, 30%, and 28% completion, yielding up to a 7x improvement.
• Abstract（参考訳）: エンボディエージェントの中枢的な能力は、相互依存したタスクのシーケンスを通じて複雑な目的を達成することである。 しかし、これらのエージェントを基盤とする既存の視覚目標条件付きポリシーは、通常、ターゲットがすでに見えている孤立した相互作用に基づいて評価されるため、連続した長期タスク実行中に発生する条件を捉えない。 このような設定では、各タスクは以前のタスクが残した状態から始まり、エージェントは異なる位置と向きで終了し、世界は修正され、次のインタラクションターゲットは現在の視野の外にある。 その結果、このような政策に依存しているエージェントは、現在の観測で目標を達成できない場合、次のタスクに進むのに苦労する可能性がある。 この課題に対処するため、我々はAttaccaを提案する。Attaccaは、実行環境から切り離されたゴール画像を用いて、完全な検索と対話の軌跡に対する視覚的目標条件のポリシーを訓練する新しいアプローチである。 Attaccaは、コンテキスト分離されたゴールサンプリングを使用して、各デモを他の世界のクラス互換のマスク付きゴールイメージとペアリングし、直接シーンを削除し、対応をポーズする。 ターゲットマスク予測ヘッドを通して密度の高い電流ビューグラウンドを学習し、アクション模倣以外の補助的な監視を提供する。 さらに,探索,アプローチ,対話の段階を区別し,実行が進むにつれてその制御を適応させる政策を指導する行動相条件付けを導入する。 Minecraftにおける複数の短・長軸エンボディタスクにおけるAttaccaの評価を行った。 本手法は39.0-47.5%のクリーンな成功を達成し,最強のベースラインを1.7-2.4倍改善する。 長期タスクでは54%、30%、そして28%が完了し、最大で7倍の改善が達成される。

関連論文リスト

• Are Frontier VLM Agents Ready to Be Robot Generalists? An Empirical Study with the Embodied Agent Arena [52.33857619195848]
  本研究では,空洞型エージェントArenaを導入し,幾何学,空間推論,アフォーダンス,タスクプランニング,マニピュレーションにまたがる7つのVLMエージェントを評価する。 精度推定におけるアストラの強みと使用可能な接触局所化は、トレースにおける終端誤差と低い家庭用タスク完了において共存する。
  論文  参考訳（メタデータ） (2026-10-01T00:14:50Z)
• NavHarness: Adaptive Goals for Agentic Vision-Language Navigation [74.28348892951908]
  Vision-Language Navigation (VLN) は、インボディードエージェントが指示や観察に基づいてアクションを生成する必要がある。 MethodはAgentic VLNフレームワークで、ローカルアクションの適応的な目標を設定するGoal Agentを含んでいる。 実世界の評価では、83.3%の成功と1.51,mの航法誤差が8つの挑戦ルートで3回評価されている。
  論文  参考訳（メタデータ） (2026-09-30T15:06:45Z)
• HINT: Human-Intent Inception for Long-Horizon Robot Manipulation [11.55318573740128]
  HINT(Human-INTent INcepTion)は,人間の操作原理に触発されたエージェントフレームワークである。 HINTは2つの基本方針にまたがって、意図の理解、タスクの進捗、エンドツーエンドの成功を大幅に改善することを示す。
  論文  参考訳（メタデータ） (2026-09-02T14:26:30Z)
• Act2Goal: From World Model To General Goal-conditioned Policy [14.222177107215648]
  Act2Goalは、ゴール条件付きビジュアルワールドモデルとマルチスケールの時間制御を統合した、ゴール条件付き操作ポリシーである。 Act2Goalは、自律的なインタラクションの数分以内に、配布外タスクに挑戦する上で、成功率を30%から90%に改善することを示す。
  論文  参考訳（メタデータ） (2025-12-29T15:28:42Z)
• Goal-Directedness is in the Eye of the Beholder [48.937781898861815]
  ゴール指向の行動の探索には,2つのフレーバーがある。 エージェントシステムにおけるゴールの定式化から生じる技術的および概念的問題を特定する。 本稿では,動的マルチエージェントシステムの創発的特性として,ゴール指向性をモデル化するための新たな方向性について概説する。
  論文  参考訳（メタデータ） (2025-08-18T11:04:18Z)
• A tale of two goals: leveraging sequentiality in multi-goal scenarios [6.503927447834868]
  目的が現在の目標だけでなく,その後の目標に到達したポリシを優先する,マルコフ決定プロセス(MDP)の2つの例を紹介する。 第一にエージェントは現在のゴールと最終ゴールの両方で条件付けされ、第二に、次の2つのゴールで条件付けされる。 標準GC-MDPと提案MDPの両方でTD3+HERでトレーニングされたポリシーを評価することで、ほとんどの場合、次の2つの目標を条件付けすることで安定性とサンプル効率が向上することを示す。
  論文  参考訳（メタデータ） (2025-03-27T16:47:46Z)
• Discrete Factorial Representations as an Abstraction for Goal Conditioned Reinforcement Learning [99.38163119531745]
  離散化ボトルネックを適用することにより,目標条件付きRLセットアップの性能が向上することを示す。 分布外目標に対する期待した回帰を実験的に証明し、同時に表現的な構造で目標を指定できるようにします。
  論文  参考訳（メタデータ） (2022-11-01T03:31:43Z)
• Planning to Practice: Efficient Online Fine-Tuning by Composing Goals in Latent Space [76.46113138484947]
  汎用ロボットは、現実世界の非構造環境において困難なタスクを完了するために、多様な行動レパートリーを必要とする。 この問題に対処するため、目標条件強化学習は、コマンド上の幅広いタスクの目標に到達可能なポリシーを取得することを目的としている。 本研究では,長期的課題に対する目標条件付き政策を実践的に訓練する手法であるPlanning to Practiceを提案する。
  論文  参考訳（メタデータ） (2022-05-17T06:58:17Z)

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。