論文の概要: RoboPrompt: Intuitive Robot Policy Steering with Sparse Human Input

• arxiv url: http://arxiv.org/abs/2610.10534v1
• Date: Wed, 07 Oct 2026 17:58:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:23.101245
• Title: RoboPrompt: Intuitive Robot Policy Steering with Sparse Human Input
• Title（参考訳）: RoboPrompt: 少ない人間の入力による直感的なロボットポリシーステアリング
• Abstract要約: RoboPromptは汎用的で軽量なロボットポリシーステアリングシステムである。 再利用可能なモジュールは、ヒューマンガイダンスをアクションドラフトに変換する。 拡散政策、$_0.5$、FastWAMを横断する効果的なステアリング実験を行った。
• 参考スコア（独自算出の注目度）: 48.897433467471295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: End-to-end robot policies trained through imitation learning remain constrained by limited data diversity, making reliable zero-shot deployment in real-world settings challenging. Shared-autonomy methods enable human correction through teleoperation, but specialized hardware and operator training hinder deployment at scale. Other approaches incorporate human guidance as additional policy inputs, often requiring architectural changes and dedicated training for steerability, which limits their applicability across policies. We present RoboPrompt, a general-purpose, lightweight robot policy steering system that enables users to guide policy behavior through intuitive, sparse inputs, including drawn traces, target points, and coarse directional instructions. RoboPrompt decouples human-intention translation from the underlying policy: a reusable module converts human guidance into action drafts, which are refined through the diffusion or flow-matching dynamics of the base policy. By controlling action generation in noise space, RoboPrompt balances human intent with the policy prior without modifying the base policy architecture or fine-tuning it for steerability. Experiments demonstrate effective steering across Diffusion Policy, $π_{0.5}$, and FastWAM. We further use steered rollouts for online policy improvement through DAgger. After 2-3 rounds of iteration, average success rates increase by 15.5\% for $π_{0.5}$ across three tasks and by 21.3\% across three policies(Diffusion Policy, $π_{0.5}$, FastWAM) on the Insert Bread task, while average human intervention counts decrease by 44.0\% (2.86 to 1.60) and 81.9\% (2.60 to 0.47), respectively.
• Abstract（参考訳）: 模倣学習によって訓練されたエンドツーエンドのロボットポリシーは、データ多様性の制限によって制限され続けており、現実の環境での信頼性の高いゼロショットデプロイメントは困難である。 共有自律法は遠隔操作による人間の修正を可能にするが、特殊なハードウェアとオペレーターの訓練は大規模展開を妨げる。 その他のアプローチでは、人的指導を追加のポリシー入力として取り入れており、しばしばアーキテクチャの変更とステアビリティのための専用のトレーニングを必要とし、ポリシー間の適用性を制限している。 本稿では,汎用的で軽量なロボットポリシーステアリングシステムであるRoboPromptについて紹介する。 RoboPromptは、人間意図の翻訳を基本方針から切り離す:再利用可能なモジュールは、人間のガイダンスをアクションドラフトに変換し、基本方針の拡散やフローマッチングのダイナミクスを通じて洗練する。 ノイズ空間におけるアクション生成を制御することで、RoboPromptは基本ポリシーアーキテクチャを変更したり、ステアビリティのために微調整したりすることなく、人間の意図とポリシーとのバランスを保ちます。 拡散政策、$π_{0.5}$、FastWAMにおける効果的な操舵実験を行った。 我々はさらに、DAggerを通じてオンラインポリシー改善のためのステアリングロールアウトを使用します。 2-3回のイテレーションの後、平均的な成功率は3つのタスクで15.5.%、Insert Breadタスクで21.3.%増加し(Diffusion Policy, $π_{0.5}$, FastWAM)、平均的な人間の介入は44.0.%(2.86～1.60)、81.9.%(2.60～0.47)となる。

関連論文リスト

• RoboIRS: Inference-Time Internal Representation Steering for Generalist Robot Policies [20.29823172229124]
  RoboIRSは視覚言語モデル(VLA)と世界行動モデル(WAM)のための推論時内部表現ステアリング手法である 0.5ドルというフリーズされた15のシミュレーションタスクでは、RoboIRSは平均成功率を44.4%から66.2%に改善した。 さらに、同じ0.5ドルのポリシーを用いて、実ロボット操作に関するRoboIRSを検証するとともに、世界行動モデルコスモスポリシーの適用性を実証する。
  論文  参考訳（メタデータ） (2026-10-03T17:50:39Z)
• Improving Robotic Generalist Policies via Flow Reversal Steering [92.97477771370428]
  汎用ポリシーは多様なロボットデータセットから幅広いスキルを学ぶことができる。 新しい課題を解決し、改善するためには、ポリシーのリッチな振る舞いから適切なアクションを推論し、呼び出す方法が必要です。 本稿では,フローリバーサルステアリング (FRS) を提案し,フローポリシーを逆に通すことで,最適だが合理的な動作をとる手法を提案し,それらを一般の動作モードにマッピングする。
  論文  参考訳（メタデータ） (2026-06-11T17:59:45Z)
• Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking [78.30338456206984]
  本稿では,汎用3D足場追跡ポリシーをトレーニングするための新しいフレームワークを提案する。 本手法は, 目標検層による足場支援を動的に行うことにより, 学習方針を特定の地形に依存しないものにする。 我々の新しいターゲット表現は、雑音や不正確なポーズ推定や足の接触推定といった現実の課題を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-06-06T16:44:56Z)
• Hi-WM: Human-in-the-World-Model for Scalable Robot Post-Training [54.896907620476675]
  本稿では,学習世界モデルを用いた学習後学習フレームワークを提案する。 Hi-WMは中間状態をキャッシュし、ロールバックとブランチをサポートする。 我々は、剛性と変形性のあるオブジェクト相互作用と2つのポリシーバックボーンにまたがる3つの実世界の操作タスクについて、Hi-WMを評価する。
  論文  参考訳（メタデータ） (2026-04-23T14:42:54Z)
• RoboRouter: Training-Free Policy Routing for Robotic Manipulation [28.477634030948376]
  我々は、インテリジェントなポリシールーティングを通じて、既存のアプローチの補完的強みを活用することを提案する。 我々は、不均一なポリシーのプールを維持し、各タスクで最高のパフォーマンスのポリシーを選択することを学ぶ、トレーニング不要のフレームワークであるRoboを紹介した。 この結果から,不均一なオフザシェルフポリシを介するインテリジェントなルーティングが,より有能なロボットシステムを構築するための実用的でスケーラブルな経路を提供することが示された。
  論文  参考訳（メタデータ） (2026-03-09T02:14:32Z)
• Flow Policy Gradients for Robot Control [67.61978635211048]
  フローマッチングポリシ勾配は、より表現力のあるポリシのトレーニングと微調整に有効である。 我々は、スクラッチからトレーニングを行う際に、フロー表現をどのように活用するかを示し、ベースラインよりもきめ細やかな堅牢性を改善する。
  論文  参考訳（メタデータ） (2026-02-02T18:56:49Z)
• IntervenGen: Interventional Data Generation for Robust and Data-Efficient Robot Imitation Learning [43.19346528232497]
  分散シフトに対するポリシーロバスト性を高めるための一般的なアプローチは、インタラクティブな模倣学習である。 我々は,大規模な修正介入を自律的に生成できる新しいデータ生成システムであるIntervenGenを提案する。 人的介入が10回しかなく、政策の堅牢性を最大39倍に向上できることを示す。
  論文  参考訳（メタデータ） (2024-05-02T17:06:19Z)

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。