論文の概要: PMTRM: Pseudo-Memory Temporal Re-encoding Module for Embodied Policy Learning

• arxiv url: http://arxiv.org/abs/2610.11168v1
• Date: Thu, 08 Oct 2026 03:25:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.764814
• Title: PMTRM: Pseudo-Memory Temporal Re-encoding Module for Embodied Policy Learning
• Title（参考訳）: PMTRM:Pseudo-Memory Temporal Re-Encoding Module for Embodied Policy Learning
• Abstract要約: 我々は、7.61Mパラメータしか持たない軽量プラグインモジュールであるPseudo-Memory Temporal Re-encoding Module (PMTRM)を提案する。 PMTRMは、実行された状態とアクションの境界付き履歴を、既存のポリシーの潜在シーケンスにエンコードする。 シミュレーションおよび実ロボットにおける複数のポリシーバックボーンを用いた実験は、相曖昧性のあるタスクにおけるタスク成功の改善を示す。
• 参考スコア（独自算出の注目度）: 9.757977735697601
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic manipulation often contains repeated motions whose local observations look similar at different phases. When these phases require different actions, a policy that relies mainly on the current observation may repeat completed motions or switch phases at the wrong time. To address this phase ambiguity, we present the Pseudo-Memory Temporal Re-encoding Module (PMTRM), a lightweight plug-in module with only 7.61M parameters that encodes a bounded history of executed states and actions into a latent sequence for existing policies. To help distinguish phases, a temporal heterogeneity objective penalizes positive similarity between distant positions in this sequence, while anchor and reconstruction losses preserve information needed for action prediction. The reconstruction decoder is used only during training, leaving the temporal re-encoder to supply history to the policy at inference. We train the module progressively on synthetic sequences and robot data, then jointly with the policy, using temporal masking to accommodate partial histories. This integration retains the original action head and action space and adds auxiliary losses to the original policy loss. Experiments with multiple policy backbones in simulation and on a real robot show improved task success on tasks with phase ambiguity, with little additional computation.
• Abstract（参考訳）: ロボット操作はしばしば、局部的な観察が異なる位相で類似しているような繰り返しの動きを含む。 これらのフェーズが異なるアクションを必要とする場合、現在の観測に大きく依存するポリシーは、完了した動作を繰り返したり、間違ったタイミングで位相を切り替えたりすることができる。 この相の曖昧さに対処するため,Pseudo-Memory Temporal Re-encoding Module (PMTRM) を提案する。 位相を区別するために、時間的不均一性は、このシーケンスにおける遠位置間の正の類似性を罰し、アンカーと再構成損失は、動作予測に必要な情報を保存する。 リコンストラクションデコーダはトレーニング時にのみ使用され、時間的再エンコーダは推論時のポリシーに履歴を供給する。 合成シーケンスとロボットデータに基づいて段階的にモジュールをトレーニングし、その後ポリシーと共同で時間マスキングを用いて部分的履歴を調整した。 この統合は、元のアクションヘッドとアクションスペースを保持し、元のポリシー損失に補助的な損失を加える。 シミュレーションおよび実ロボットにおける複数のポリシーバックボーンを用いた実験は、相のあいまいさを伴うタスクにおいて、計算量が少なく、タスクの成功率が向上したことを示している。

関連論文リスト

• Task aware Dynamic Movement Primitives for failure detection and recovery in contact rich manipulation [0.9799637101641149]
  本稿では,動的移動プリミティブ(DMP)に基づく軌道生成と実時間ステージ分類を統合したタスク対応障害検出・回復フレームワークを提案する。 このフレームワークは、実行をPeg in Hole(PiH)アセンブリ操作のアプローチ、アライメント、挿入ステージにセグメントする。 マハラノビス距離計を用いてオンラインで異常検出を行い、名目軌道実行から接触誘発障害を分離する。
  論文  参考訳（メタデータ） (2026-09-19T17:37:15Z)
• MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
  ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。 MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。 長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
  論文  参考訳（メタデータ） (2026-07-14T15:33:44Z)
• Action-Effect Memory Pretraining for Robot Manipulation [14.760244346330694]
  本稿では,ロボット操作のためのアクション・エフェクト・メモリ事前学習フレームワークであるAEMを紹介する。 AEMは操作の時間的性質を目標としており、現在の観測だけでは部分観測性では不十分であることが多い。 AEMはシミュレーションと実世界の両方の環境での操作性能を継続的に改善する。
  論文  参考訳（メタデータ） (2026-06-10T13:58:14Z)
• Phase-Conditioned Imitation Learning with Autonomous Failure Recovery for Robust Deformable Object Manipulation [5.524438437366922]
  変形可能なオブジェクト操作のための位相条件付き力覚フレームワークを提案する。 FiLM条件のACTエンコーダは、現在のタスクフェーズに基づいて特徴抽出を変調する。 視覚、力、ポーズフィードバックを融合させた多モード位相予測器は、視覚単独では見えない接触障害をリアルタイムで推定する。
  論文  参考訳（メタデータ） (2026-05-28T05:59:53Z)
• Latent Recurrent Transformer: Architecture Exploration, Training Strategies, and Scaling Behavior [107.2098567818173]
  Latent Recurrent Transformer (LRT) は自己回帰変換器の軽量化である。 LRTは、次のトークンのリカレントメモリとして、前のトークンから高レベルなソース層隠れステートを再利用する。
  論文  参考訳（メタデータ） (2026-05-26T10:10:26Z)
• Rewind-IL: Online Failure Detection and State Respawning for Imitation Learning [7.445072780282545]
  提案するRewind-ILは,生成アクションチャンク模倣ポリシーのためのトレーニングフリーオンラインセーフガードフレームワークである。 Rewind-ILは、TIDE(Temporal Inter-chunk Discrepancy Estimate)に基づくゼロショット故障検知器と、状態再起動機構を結合する。 オンラインのRewind-ILは、重複するアクションチャンクの自己整合性を監視し、チェックポイントライブラリと類似性を追跡し、失敗すると、実行を最新の検証された安全な状態に戻す。
  論文  参考訳（メタデータ） (2026-04-17T20:41:14Z)
• Referring-Aware Visuomotor Policy Learning for Closed-Loop Manipulation [91.20850436220267]
  Referring-Aware Visuomotor Policy(ReV)について紹介する。 ReVは、人間または高レベルの推論プランナーによって提供されるスパース参照ポイントを組み込む。 これは、専門家のデモンストレーションにターゲットの摂動を適用することでのみ訓練される。
  論文  参考訳（メタデータ） (2026-04-07T07:41:11Z)
• Towards Multimodal Lifelong Understanding: A Dataset and Agentic Baseline [58.585692088008905]
  MM-Lifelongはマルチモーダルライフロング理解のために設計されたデータセットである。 撮影時間は181.1時間で、日、週、月の各スケールにまたがって構成され、様々な時間密度を捉えている。
  論文  参考訳（メタデータ） (2026-03-05T18:52:12Z)
• PPMStereo: Pick-and-Play Memory Construction for Consistent Dynamic Stereo Matching [51.98089287914147]
  textbfPick-and-textbflay textbfMemory (PM) construction module for dynamic bfStereo matching, called bftextPPMStereo。 bftextPPMStereo と呼ばれる動的 bfStereo マッチングのための textbfPick-and-textbflay textbfMemory (PM) 構築モジュールを提案する。
  論文  参考訳（メタデータ） (2025-10-23T03:52:39Z)
• Learning Sequence Representations by Non-local Recurrent Neural Memory [61.65105481899744]
  教師付きシーケンス表現学習のためのNon-local Recurrent Neural Memory (NRNM)を提案する。 我々のモデルは長距離依存を捉えることができ、潜伏した高レベル特徴を我々のモデルで抽出することができる。 我々のモデルは、これらのシーケンスアプリケーションごとに特別に設計された他の最先端の手法と比較して好意的に比較する。
  論文  参考訳（メタデータ） (2022-07-20T07:26:15Z)

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。