論文の概要: Reliability-Aware Future Conditioning for Temporally Robust Robot Manipulation
- arxiv url: http://arxiv.org/abs/2610.11956v1
- Date: Thu, 08 Oct 2026 13:40:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.057966
- Title: Reliability-Aware Future Conditioning for Temporally Robust Robot Manipulation
- Title（参考訳）: 時間的ロバストなロボットマニピュレーションのための信頼性を考慮した将来の条件付け
- Abstract要約: 時間的ミスアライメントはタスク一貫性のある未来を積極的に有害なガイダンスに変えることができることを示す。
本稿では,RAFC(Reliability-Aware Future Conditioning)を導入し,これを生成問題ではなく制御問題として扱う。
- 参考スコア（独自算出の注目度）: 6.019506565406165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A generated video of a task the robot is about to perform is useful guidance only if it depicts the phase the robot is actually in. We show that temporal misalignment can turn a task-consistent generated future into actively harmful guidance. On CALVIN, a five-frame early shift nearly erases the benefit of generated futures, reducing success from 81.3% to 54.8% against 54.0% without futures; imposed timing shifts reduce it even further to 34.2%, 19.8 points below the future-free policy. We introduce Reliability-Aware Future Conditioning (RAFC), which treats this as a control problem rather than a generation problem. At every step, RAFC estimates how far to trust the received clip and which nearby temporal hypothesis to prefer, falling back toward a static branch when neither fits, and it learns both from task reward alone without shift labels or alignment supervision. RAFC sits on top of Future-Experience Conditioning (FEC), which builds the clip once from task grounding, a robot-free digital-twin rollout, and mask-free video diffusion. Under deliberately off-grid phase shifts and rate mismatch, RAFC substantially improves success under temporal mismatch. Candidate ensembling accounts for most of the recovery near alignment, while learned reliability adds a further 7.0 percentage points over uniform averaging of the identical candidate bank under off-grid shifts. The gain holds on the evaluated task sets and survives on a Franka under natural timing mismatch nobody imposed, where aggregate success rises from 26.7% to 56.7%. All resources will be made publicly available. https://future-condition.github.io/.
- Abstract（参考訳）: ロボットが実行しようとしているタスクの生成されたビデオは、ロボットが実際に動いているフェーズを描写している場合に限り、有用なガイダンスである。
時間的ミスアライメントはタスク一貫性のある未来を積極的に有害なガイダンスに変えることができることを示す。
CALVINでは、5フレームの早期シフトが生成した未来の利点をほぼ消し去り、成功率81.3%から54.8%に、未来のない54.0%に下げる。
本稿では,RAFC(Reliability-Aware Future Conditioning)を導入し,これを生成問題ではなく制御問題として扱う。
RAFCは、どのステップでも、受信したクリップと、その近傍の時間的仮説をどの程度信頼するかを推定し、適合しない場合に静的ブランチにフォールバックし、ラベルのシフトやアライメントの監督なしに、タスク報酬のみから学習する。
RAFCはFuture-Experience Conditioning (FEC)の上にあり、タスク接地、ロボットフリーのデジタル双発ロールアウト、マスクフリーのビデオ拡散からクリップを作る。
故意にオフグリッド位相シフトとレートミスマッチの下では、RAFCは時間的ミスマッチによる成功を著しく改善する。
一方、学習された信頼性は、オフグリッドシフトの下で同一の候補銀行の均一平均よりもさらに7.0ポイント高い。
この利得は評価されたタスクセットを抑え、自然タイミングのミスマッチ無しでフランカで生き残り、総成功率は26.7%から56.7%に上昇する。
すべてのリソースが公開されます。
https://future-condition.github.io/
関連論文リスト
- 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) - Learning Foresight without Explicit Trajectories for 3D Diffusion Policies [54.692734738738885]
3次元拡散ポリシは、現在の観測から幾何学的に基底化されたアクションを生成するのに強い。
我々は,この予測を明示的な計画を導入することなく,シンプルかつ効果的な手段である運動傾向ガイダンスを導入する。
正確にどこに移動すべきかを告げることなく、相互作用がどこに向かっているかを知ることで、大きなメリットを享受できることを、私たちは示しています。
論文 参考訳（メタデータ） (2026-09-17T16:44:13Z) - 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) - Latent Action as Intention Enables Efficient Future Imagination for World Action Models [20.031922437200524]
提案するアーキテクチャ**LAWA**は,コンパクトな潜伏動作を将来の意図の操作的表現として利用するWAMアーキテクチャである。
RoboCasaでは、LAWAは数ショットと全データ設定で65.6%と80.8%という最先端の平均的な成功率を達成した。
また、一致したJoint-WAMモデルの性能レベルも保持し、42.9%の遅延時間を必要とする。
論文 参考訳（メタデータ） (2026-08-25T17:59:03Z) - ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation [6.874305530359895]
本稿では,凍ったFast-WAMをベースとした教師から,未来を意識した行動等価表現を蒸留する高密度pi0.5ポリシーであるForeTime-VLAを紹介する。
オンラインでは、8フレームの履歴エンコーダが操作フェーズと正規化された時間-遷移とともにこのターゲットを予測する。
テストMAEは0.134119から0.130593 (2.63%)に減少し、ペアリングブートストラップ95%CI:0.82-4.48%の改善、テストL2は2.46-2.93%の遅延コストで3.02%減少する。
論文 参考訳（メタデータ） (2026-08-21T04:40:41Z) - RynnValue: Scaling Robotic Value Foundation Models with Temporal Distance [84.26294415726723]
汎用報酬モデルが、ロボット学習のスケーリングのボトルネックになりつつある。
ロボット操作のためのオープンソースのバリューファンデーションモデルであるRynnValueを紹介した。
RynnValueは7000時間以上、好みやプログレッシブアノテーションなしで約3Mの命令条件付きクリップにスケールする。
論文 参考訳（メタデータ） (2026-08-10T17:09:37Z) - STEAM: Self-Supervised Temporal Ensemble Advantage Modeling for Real-World Robot Learning [76.76959348575764]
政策学習には、信頼できる局所的な進歩と失敗と回帰を区別するフレームレベルのアドバンテージが必要です。
本稿では,専門家による実証からこのような利点を学習するラベルフリー手法であるSTEAM(Self-supervised Temporal Ensemble Advantage Modeling)を提案する。
論文 参考訳（メタデータ） (2026-06-29T06:19:35Z) - LLM-Guided Future Hypotheses for Horizon-Aware Exploration in Multi-Step Robot Manipulation [5.637033593506126]
マルチステップロボット操作では、シーンがどのように進化するかの不確実性の下で行動する必要がある。
本研究では,短時間のタスク一貫性のある未来のビデオが,制御や強化学習の微調整に有用であるかどうかを考察する。
論文 参考訳（メタデータ） (2026-05-28T12:49:37Z) - ESPO: Early-Stopping Proximal Policy Optimization [78.79610718910628]
ESPO(Early-Stopping Proximal Policy Optimization)は、軌道上の障害を検出し、ロールアウトを早期に終了する。
DeepSeek-R1-Distill-Qwen-7Bでは、ESPOはAIME2024(46.28%対45.25%)、AMC2023(85.83%対82.94%)、MATH-500(87.42%対85.43%)でPPOを上回っている。
論文 参考訳（メタデータ） (2026-05-28T12:40:22Z)
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。