論文の概要: RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control

• arxiv url: http://arxiv.org/abs/2610.12185v1
• Date: Thu, 08 Oct 2026 15:49:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.139616
• Title: RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control
• Title（参考訳）: RESETTLE: 分解制御された検索と効率的な補正制御によるロボットの回復
• Abstract要約: 本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。 適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
• 参考スコア（独自算出の注目度）: 92.47481295713227
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable robotic manipulation requires timely intervention to correct emerging deviations and restore progress after execution errors. However, recovery methods based on repeated vision-language reasoning or iterative online optimization can incur substantial latency, delaying intervention. To address these challenges, we introduce RESETTLE(Robotic rEcovery through diSagrEement-Triggered reTrievaL and Efficient Corrective Control), a model-agnostic framework that provides computationally efficient recovery at the action-execution interface of frozen robot policies. RESETTLE triggers recovery when two action proposals independently sampled under identical conditioning persistently disagree. It retrieves a same-task demonstration reference using an adapted V-JEPA encoder and combines a state-servo prior with a guarded visual residual to execute one corrective action without online trajectory optimization or additional vision-language reasoning, then returns control to the base policy. Across six base policies in simulation, RESETTLE achieves up to 8.70%, 6.28%, and 6.83% absolute success-rate gains on LIBERO-Plus, Meta-World, and RoboCasa Tabletop, respectively, with further improvements on four real-world tasks using two policies. In QwenPI-based comparisons, its monitoring-and-recovery computation latency is 74.04%--93.57% lower than VoLoAgent's monitoring-and-planning latency for grasp and place tool calls. It also raises Harness VLA's LIBERO-Pro Swap success from 42% to 50%, demonstrating compatibility with high-level agentic planning. Code available at: https://github.com/JIA-Lab-research/RESETTLE
• Abstract（参考訳）: 信頼性の高いロボット操作は、出現する偏差を補正し、実行エラー後の進捗を回復するために、タイムリーな介入を必要とする。 しかし、繰り返し視覚言語推論や反復的オンライン最適化に基づくリカバリ手法は、かなりの遅延を発生させ、介入を遅らせる可能性がある。 これらの課題に対処するために、凍結ロボットポリシーのアクション・エグゼクティブ・インターフェースにおいて、計算的に効率的な回復を提供するモデルに依存しないRESETTLE(reTrievaL and Efficient Corrective Control)を導入する。 RESETTLEは、2つのアクション提案が独立して同じ条件下でサンプリングされたときにリカバリをトリガーする。 適応されたV-JEPAエンコーダを使用して同じタスクのデモ参照を検索し、状態サーボとガードされた視覚的残差を組み合わせ、オンライン軌道最適化や視覚言語推論なしで1つの修正アクションを実行し、基本ポリシーに制御を返す。 シミュレーションにおける6つの基本方針の中で、RESETTLEはLIBERO-Plus、Meta-World、RoboCasa Tabletopで最大8.70%、6.28%、そして6.83%の絶対的な成功率を達成する。 QwenPIベースの比較では、モニタリング/リカバリの計算レイテンシは74.04%--93.57%で、VoLoAgentのツールコールの把握と配置のための監視/計画のレイテンシよりも低い。 また、Harness VLAのLIBERO-Pro Swapの成功を42%から50%に引き上げ、高いレベルのエージェント計画との互換性を示す。 https://github.com/JIA-Lab-research/RESETTLE

関連論文リスト

• EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation [54.5481724465918]
  EmbodiRSIは、リアルからシミュレート・トゥ・リアル・セッティングにおける反復的な政策改善のためのシステムである。 タスク固有のシミュレーションは、ターゲットのデプロイメントシナリオから構築され、低コストな環境として使用される。 400の適応的なシミュレートされた軌道と、サブタスクごとに10の現実世界の軌道しか持たないため、EmbodiRSIは83.1%のシーンバランスの自律的実世界の成功を達成している。
  論文  参考訳（メタデータ） (2026-09-30T03:54:53Z)
• RACaP: Agentic Reasoning, Acting, and Coding as Policies for Evolvable Robot Learning [61.4848860546758]
  汎用ロボットエージェントは経験から学び、新しいタスクに移行し、効率的に行動しなければならない。 Code as Policies (CaP) メソッドは実行時にプログラムを生成して修復し、遅延を発生させ、再利用可能なメカニズムをタスク固有の決定に絡ませる。 我々は、コーディングを進化へ移行するエージェントフレームワークであるRACaPを導入し、Reasoning-and-Acting(ReAct)ループを使用して、デプロイ時に凍結型ポリシーAPIを呼び出します。
  論文  参考訳（メタデータ） (2026-09-24T11:22:45Z)
• Grow the Harness, Not the Context: From Strategy-Free Scaffolds to Reusable Specialist Agents [40.22528682803753]
  大きな言語モデル(LLM)エージェントは、しばしば関連するタスクのストリームを処理するが、標準的なハーネスは、各タスクのコンテキスト内で同じ制御決定を再構築するようモデルに繰り返し要求する。 タスク固有のセマンティック推論のためのLCMコールを保存しながら、繰り返し制御を再利用可能なコードに変換することができるかどうかを検討する。 我々は,障害誘導型トレーニングパラダイムであるGrowing Harnessを紹介し,エージェント自身を戦略のない足場から学習する。
  論文  参考訳（メタデータ） (2026-09-22T17:40:45Z)
• Stable and Efficient Real-World Online VLA Post-Training via Asynchronous Replay-Anchored Policy Improvement [60.83624556700821]
  本稿では,リプレイ動作における批評家とアクターの更新の両方を基盤として,ロールアウトと学習を同時に行うフレームワークを提案する。 RAPolicyを4つのシングルタスク設定と1つのジョイント5タスク設定で実世界で評価し,オンライントレーニングの予算は1～2時間に過ぎなかった。
  論文  参考訳（メタデータ） (2026-09-19T08:45:18Z)
• Imagining Recovery: Inference-Time Counterfactual Realignment for Vision-Language-Action Models [10.832654624297135]
  視覚言語アクション(VLA)モデルは、オンラインのディスラプションに対して脆弱である。 我々は,凍結したVLAを故障データなしで推論時に復元する,トレーニング不要なフレームワークであるCoReを提案する。
  論文  参考訳（メタデータ） (2026-08-14T18:49:46Z)
• Retry, Switch, or Abstain? Learning Strategy-Aware Tool-Use Policies via Controlled Error Injection [27.166611699378205]
  BENCH2ROBUSTは,障害のないツール使用ベンチマークをシナリオ制御の可解性を持つ制御環境に変換するフレームワークである。 本稿では,Bayesian Tool Memory(BTM)による構造化実行時回復コンテキストと,カリキュラム制御強化学習の2つの補完的介入について検討する。
  論文  参考訳（メタデータ） (2026-08-12T12:08:39Z)

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。