論文の概要: FoldBack: Self-Correcting Masked Generative Policy for Long-Horizon Garment Folding

• arxiv url: http://arxiv.org/abs/2610.10462v1
• Date: Wed, 07 Oct 2026 17:28:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:23.076055
• Title: FoldBack: Self-Correcting Masked Generative Policy for Long-Horizon Garment Folding
• Title（参考訳）: FoldBack: ロングホライゾン・ガーメント・フォールディングのための自己修正型マスクド・ジェネレーション・ポリシー
• Abstract要約: FoldBackは、衣服を折り畳むための自己修正マスク付き生成ポリシーである。 それは、いつ洗練して検証するか、どのようにロールバックするか、どこで再試行するかの3つの推論時決定を統一する。 ファイナルフォールディングは75.2%、ファイナルマスクIoUは0.837で、最強のベースラインは45.7%、0.689である。
• 参考スコア（独自算出の注目度）: 8.724540654201167
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present FoldBack, a self-correcting masked generative policy for long-horizon garment folding. Existing long-trajectory policies may continue after a missed or slipped grasp even when the garment has not reached the intended configuration. We structure FoldBack's recovery mechanisms around three inference-time decisions: when to refine and verify, how to roll back, and where and how to retry. FoldBack aligns refinement and grasp verification with pick-and-place events, returns the robot to a retryable pre-grasp configuration while preserving successful grasps, and selectively regenerates the failed segment and selected future actions while avoiding previous failed grasp locations. To our knowledge, FoldBack is the first editable full-trajectory policy to unify these decisions, enabling failed interactions to be detected, undone, and repaired before execution continues, without recovery demonstrations or base-policy retraining. Across 33 real garments from six categories, FoldBack achieves 75.2% final folding success and 0.837 final-mask IoU, versus 45.7% and 0.689 for the strongest prior baseline.
• Abstract（参考訳）: FoldBackは、長尺の衣服の折り畳みを自己補正するマスク付き生成ポリシーである。 既存の長い軌道方針は、服が意図された構成に達していない場合でも、見逃されたり滑ったりした後も継続することができる。 FoldBackのリカバリメカニズムは、いつ洗練して検証するか、どのようにロールバックするか、どこでリトライするかという3つの推論時の決定に基づいて構成します。 FoldBackは、リファインメントとグリップ検証を、ピック・アンド・プレイス・イベントと整合させ、正常なグリップを維持しながら、リトライ可能なプリグレープ構成に返却し、失敗したセグメントと選択した将来のアクションを、それまで失敗したグリップ位置を避けながら選択的に再生する。 私たちの知る限り、FoldBackはこれらの決定を統一する最初の編集可能な完全な軌道ポリシーであり、リカバリのデモやベースポリティのリトレーニングなしに、実行が継続される前に、失敗したインタラクションを検出し、無効にし、修復することを可能にします。 6つのカテゴリーの33種類の本物の衣服のうち、FoldBackは75.2%の最終的な折り畳みと0.837のファイナルマスクIoUを達成し、最強のベースラインでは45.7%と0.689である。

関連論文リスト

• Future Anchored Verification and Online Recovery for World Action Models [50.72957480806238]
  世界アクションモデル(WAM)は、ロボット操作のための有望なパラダイムとして登場した。 我々は、WAMが行動する前に予測した未来が、通過する意図のある状態を正確に表現しているのを観察する。 予測フレームをアンカーとして保持し,検証とリカバリに使用する軽量フレームワークであるFAVORを紹介する。
  論文  参考訳（メタデータ） (2026-10-05T13:08:58Z)
• Sleeping Secrets: How Fine-Tuning Reawakens Privacy Risks in Language Models [14.520620702849236]
  筆者らは, LLM が生成した候補が, 以前に学習した民間団体を回復するための十分な監督を行うことができることを示した。 本稿では,タスク構造を用いてプライベートアソシエイトを復元するデータフリーアタックであるReGapを提案し,それを解答確率でフィルタリングし,低ランク適応によりターゲットモデルを更新する。
  論文  参考訳（メタデータ） (2026-10-01T09:36:17Z)
• 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)
• Self-Confirming Superposition Traps in Reinforcement Learning [62.71685993550818]
  強化学習はエージェントのポリシーによって選択されたデータに基づいて表現し、その結果のリターンを使って次の選択を導く。 これらのデータに対して表現フィッティングがグローバルに最適である場合でも,このループは低リターンポリシーを維持可能であることを示す。
  論文  参考訳（メタデータ） (2026-09-26T21:56:26Z)
• Rollback the World, Keep the Reflection: Rollback-Induced Reflection for Long-Horizon LLM Agents [56.434418859203085]
  大規模言語モデル(LLM)エージェントは、多段階の環境相互作用を通じて、長い水平タスクに対処する。 単一の誤動作は、その後の状態や観測を変更でき、時間とともにエラーが複雑になる。 信頼性回復はロールバック境界制御問題として扱われるべきである。
  論文  参考訳（メタデータ） (2026-09-16T08:26:14Z)
• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• Recoverability as a System Primitive for Long-Horizon AI Agents [5.008310199603767]
  再利用を明示的な決定とするシステムプリミティブとして,リカバリビリティを導入する。 4つの決定論的ファイルと20のペアファイルの課題は、正確な復元と完了が許可されていない開始点を隠蔽できることを示している。
  論文  参考訳（メタデータ） (2026-09-12T02:54:33Z)
• From Faulty Memories to Corrected Actions: Dependency-Guided Rollback Repair for Memory-Augmented Agents [19.125716338799545]
  textbfdependency-guided rollback repairは、出所からの型付きメモリ対アクショングラフを構築し、明示的な下流依存性をトレースし、応答関連処理のみを選択的に再生する。 本手法は,3つのツール使用領域と4つのメモリ障害タイプにまたがる150ケースのベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-08-11T05:19:55Z)
• Back to the Familiar Future: Failure Recovery for VLA Policies via Pre-Imagined Milestone Selection [19.954434707400704]
  本稿では,視線駆動型視覚言語反応(VLA)政策の回復フレームワークであるBack to the Familiar Future (B2FF)を提案する。 実行前に、VLAはクリーンな初期観測に基づいて、よく知られた将来の状態のマイルストーンバンクを生成する。 リカバリ時に、リカバリ可認識セレクタは、このバンクからリカバリマイルストーンを選択し、それを固定視覚目標として強制する。
  論文  参考訳（メタデータ） (2026-06-08T09:30:38Z)

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。