論文の概要: CAPABLE: Capability-Aware Policy Adaptation via Behavioral Latent Encoding

• arxiv url: http://arxiv.org/abs/2610.11971v1
• Date: Thu, 08 Oct 2026 13:46:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.061465
• Title: CAPABLE: Capability-Aware Policy Adaptation via Behavioral Latent Encoding
• Title（参考訳）: CAPABLE:行動遅延エンコーディングによる機能認識ポリシー適応
• Abstract要約: CAPABLEは、フリーズされた視覚言語対応ポリシーのための統合された機能対応フレームワークである。 自己教師付き能力推論と残留強化学習を統合している。 断層訓練から除外されたアクチュエーターを24.8%から59.3%に引き上げ、パラメータマッチングされた世界史ベースラインを17.4ポイント上回った。
• 参考スコア（独自算出の注目度）: 6.577005093230997
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language-action (VLA) policies assume the embodiment on which they were trained and can fail when a joint fault changes how commanded actions are physically executed. Existing fault-recovery methods often require task-specific retraining, fault labels, explicit diagnosis, or privileged embodiment information. We introduce CAPABLE, a unified capability-aware adaptation framework for frozen VLAs that integrates self-supervised capability inference with residual reinforcement learning. CAPABLE infers capability, how much of the commanded motion each joint actually realizes and how that motion contributes to end-effector behavior, online from command-response history and kinematics using a temporal encoder shared across joints, Jacobian grounding, cross-joint attention, and self-supervised physical prediction. The resulting representation conditions a residual policy that adds bounded corrections to the VLA arm action without fault labels or faulty-joint identifiers. Across 28 LIBERO tasks, CAPABLE raises success on an actuator excluded from fault training from 24.8% to 59.3%, outperforming a parameter-matched global-history baseline by 17.4 points while preserving healthy performance. Leave-one-actuator-out experiments across six joints show that this transfer is not specific to one actuator, and additional evaluations characterize transfer to unseen fault families and demonstrate recovery on a physical Franka Panda. https://capable-vla.github.io/
• Abstract（参考訳）: VLA(Vision-Language-action)ポリシは、トレーニング対象の具体化を前提としており、共同障害が命令された動作の物理的実行方法を変えると失敗する可能性がある。 既存のフォールトリカバリ手法では、タスク固有のリトレーニング、障害ラベル、明示的な診断、特権的な実施情報が必要となることが多い。 本稿では,自己教師付き能力推定と残留強化学習を統合した,凍結型VLAのための統合機能対応フレームワークCAPABLEを紹介する。 CAPABLEは、関節間の時間エンコーダ、ヤコビアングラウンド、クロスジョイントアテンション、そして自己監督された物理的予測を用いて、能力、各関節が実際にどれだけの命令された動きを達成し、その動きがエンドエフェクター行動にどのように寄与するかを推測する。 結果として得られた表現は、欠陥ラベルや欠陥結合識別子を使わずに、VLAアームアクションにバウンド補正を追加する残留ポリシーを条件とする。 28のLIBEROタスク全体で、CAPABLEは障害トレーニングから除外されたアクチュエーターを24.8%から59.3%に向上させ、パラメータマッチングされたグローバルヒストリーベースラインを17.4ポイント上回り、健全なパフォーマンスを維持している。 6つの接合部にわたる残留1アクチュエータアウト実験では、この移動は1つのアクチュエータに特有ではないことが示され、さらに、未知の断層群への移動を特徴付け、物理的フランカパンダの回復を実証する。 https://capable-vla.github.io/

関連論文リスト

• PerturBot: Breaking Shortcut Priors in Vision-Language-Action Models with Perturbative Training [54.81497176604651]
  視覚-言語-アクション(VLA)ポリシーは、その行動を決定する証拠を無視しながら、複雑なタスクを完了することができる。 私たちはこれらの依存関係をモダリティショートカット(Modality shortcuts)と呼んでいる: 成功例の正規性は、専門家の行動を予測するのに十分な視覚的、語彙的、あるいは運動的手がかりを生み出す。 本稿では,タスク関連エビデンスをより使いやすくし,自分でもショートカットが不十分なPerturbotを提案する。
  論文  参考訳（メタデータ） (2026-10-03T15:57:51Z)
• LocusRL: Diagnosing LLM Reward and Policy Interventions in Competitive Games [5.808442678639854]
  大規模な言語モデルは、報酬設計とアクション選択の両方を通じて強化学習に介入することができる。 同様のリターンは異なる学習メカニズムを隠蔽し、もっともらしい報酬は望ましくない振る舞いを引き起こす。 本稿では,報酬比較と報酬判定,信号配信,最適化目標,実行行動の監査を結びつける診断フレームワークであるLocusRLを紹介する。
  論文  参考訳（メタデータ） (2026-10-03T11:03:16Z)
• Credit-Guided Policy Improvement for Test-time Adaptive Vision-Language Navigation [53.30116823667751]
  視覚言語ナビゲーションのためのテスト時適応(TTA-VLN)により、事前訓練されたポリシーは、目に見えない環境にオンラインで適応できる。 分散シフトは、局所的な行動選好を歪め、オフコース決定につながる可能性がある。 我々は,行動誘発観察遷移から署名付き参照関連決定クレジットを回収する信用誘導政策改善(CGPI)を提案する。
  論文  参考訳（メタデータ） (2026-09-29T13:46:11Z)
• 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)
• CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
  VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。 本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
  論文  参考訳（メタデータ） (2026-09-21T05:14:34Z)
• ForceRFT: Refining VLA Actions through Force-Guided Residual Reinforcement Learning [10.418397316382782]
  ForceRFTは、フォース誘導強化学習フレームワークである。 人間の監督や自律的なタスクの結果からコンタクト依存の修正を学ぶ。 プラグ挿入、リングオンペグ組立、ホワイトボードワイピングの実験は、評価された実演訓練および残像ベースラインよりも高い自律的な成功率を示した。
  論文  参考訳（メタデータ） (2026-09-19T07:16:11Z)
• Residual Fault Adaptation for Dexterous In-Hand Manipulation Under Runtime Joint Faults [7.30960183218258]
  本稿では,隠れたコマンドチャネル障害を補うための残差故障適応(RFA)を提案する。 RFAは凍結した健康な教師を保ち、名目上の行動を提供し、修正行動を推測するために繰り返し残る政策を訓練する。 ディクスタラスハンドのシミュレーション実験は、RFAが健康政策と比較して操作性能を向上させることを示唆している。
  論文  参考訳（メタデータ） (2026-09-15T16:34:45Z)
• TACO: TActile World Model as a Self-COrrector forScalable VLA Post-Training [79.94818813802682]
  TACOは触覚を意識したワールドモデル駆動型フレームワークで,コンタクトリッチな操作において,スケーラブルなVLAポストトレーニングを実現する。 TACOは、触覚矯正をVLA後トレーニングに組み込むため、知識を取り入れた触覚適応と有利な条件のトレーニングを組み合わせる。
  論文  参考訳（メタデータ） (2026-07-03T00:23:30Z)
• Uncovering Vulnerability of Vision-Language-Action Models under Joint-Level Physical Faults [7.207198416919797]
  リアルロボットは、アクチュエータの劣化、ハードウェアの故障、安全限界、衝突損傷、摩耗による摩擦などによる関節レベルの変化を経験することができる。 これらの欠陥は、政策のアクション・ツー・モーション・インタフェースを変更し、命令された行動、実現された動作、およびその後の観察の間の学習された閉ループ関係を乱すため、重要である。 本稿では,凍結したビジョン・ランゲージ・アクション(VLA)ポリシー上に構築された軽量リザーブ・キャリブレーション・フレームワークであるJ-PARCを提案する。
  論文  参考訳（メタデータ） (2026-06-09T07:26:25Z)
• ANNEAL: Adapting LLM Agents via Governed Symbolic Patch Learning [12.44509691077682]
  本稿では,繰り返し発生する障害をプロセス知識グラフのシンボル編集に変換する神経シンボルエージェントであるANNEALを紹介する。 その中核となるメカニズムであるFDKA(Failure-Driven Knowledge Acquisition)は、責任のあるオペレータをローカライズし、制約付きLLM生成を通じて型付きパッチを合成し、提案を検証する。 4つのドメインと27のマルチシードランをまたいだANNEALは、永続的な構造修復を行う唯一の評価システムである。
  論文  参考訳（メタデータ） (2026-05-04T05:24:03Z)
• Test-Time Perturbation Learning with Delayed Feedback for Vision-Language-Action Models [48.89466384943165]
  VLA(Vision-Language-Action Model)は、逐次的な意思決定において優れた性能を発揮するが、微妙な環境変化に対して脆弱である。 検証自由なテスト時間適応フレームワークである遅延フィードバックを用いた摂動学習(PDF)を提案する。
  論文  参考訳（メタデータ） (2026-04-20T11:25:51Z)

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。