論文の概要: Evidence-Guided Counterfactual Learning for Long-Tailed Robotic Policies
- arxiv url: http://arxiv.org/abs/2610.12861v1
- Date: Fri, 09 Oct 2026 01:37:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.340748
- Title: Evidence-Guided Counterfactual Learning for Long-Tailed Robotic Policies
- Title（参考訳）: Evidence-Guided Counterfactual Learning for Long-Tailed Robotic Policies
- Abstract要約: 共有ロボット政策における頭部タスク行動バイアスについて検討し,特にタスク固有の視覚的エビデンスとの関係に着目した。
本研究の目的は,長期にわたるロボット政策のトレーニングフレームワークであるEvidence-Guided Counterfactual Learningを提案することである。
提案されたフレームワークは、追加のトレーニングデータもリージョンレベルのアノテーションも必要とせず、デプロイ中に追加の計算を行わない。
- 参考スコア（独自算出の注目度）: 50.7203420049558
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the practical deployment of vision--language--action policies, handling long-tailed task distributions is a common challenge due to the highly imbalanced composition of robot demonstration datasets. To investigate this issue, we study the head-task action bias in shared robot policies, particularly focusing on its relationship with task-specific visual evidence. Our experimental analysis shows that, when the visual evidence required by a tail task is insufficient, the policy increasingly falls back on action patterns reinforced by data-rich head tasks, resulting in degraded performance on under-represented tasks. Motivated by this observation, we propose Evidence-Guided Counterfactual Learning, a training framework for long-tailed robot policies. Our method identifies decision-relevant visual evidence using instruction-related and action-related signals, and constructs counterfactual observations by removing the selected evidence. The resulting counterfactual predictions are used to strengthen the association among task instructions, visual evidence, and actions, with the supervision adaptively adjusted according to the number of demonstrations available for each task. The proposed framework requires neither additional training data nor region-level annotations and incurs no additional computation during deployment. Extensive experiments across simulated benchmarks, different VLA architectures, and real-world robot platforms demonstrate that our method robustly and consistently improves long-tailed robot policy learning, particularly for tail tasks, while maintaining reliable performance on head tasks.
- Abstract（参考訳）: 視覚-言語-アクションポリシーの実践的展開においては、ロボットのデモデータセットの高度に不均衡な構成のため、長い尾のタスク分布を扱うことが一般的な課題である。
本研究では,共有ロボット政策における頭部タスク行動バイアスについて検討し,特にタスク固有の視覚的エビデンスとの関係に着目した。
実験により,尾タスクが要求する視覚的エビデンスが不十分な場合には,データリッチなヘッドタスクによって強化されたアクションパターンに逆戻りする傾向がみられ,非表現タスクのパフォーマンスが低下することが示された。
本研究の目的は,長期にわたるロボット政策のトレーニングフレームワークであるEvidence-Guided Counterfactual Learningを提案することである。
提案手法は,指示関連信号と行動関連信号を用いて決定関連視覚的証拠を同定し,選択した証拠を除去し,対実的観察を構築する。
結果の反事実予測は、タスクの指示、視覚的証拠、行動の関連を強化するために使用され、各タスクで利用可能なデモの数に応じて監督が適応的に調整される。
提案されたフレームワークは、追加のトレーニングデータもリージョンレベルのアノテーションも必要とせず、デプロイ中に追加の計算を行わない。
シミュレーションされたベンチマーク、異なるVLAアーキテクチャ、実世界のロボットプラットフォームにわたる大規模な実験により、我々の手法は、特に尾タスクのための長い尾ロボットポリシー学習を堅牢かつ一貫して改善し、ヘッドタスクにおける信頼性の高いパフォーマンスを維持しながら、その改善を実証する。
関連論文リスト
- Beyond the Majority: Long-tail Imitation Learning for Robotic Manipulation [121.31598641762251]
訓練デモンストレーションの長期分布は、政策学習を妨げる。
Approaching-Phase Augmentation (APA)は、デモを必要とせずに、データリッチなヘッドタスクからデータシャースなテールタスクに知識を転送する。
論文 参考訳（メタデータ） (2026-02-06T09:10:02Z) - Few-Shot Vision-Language Action-Incremental Policy Learning [55.07841353049953]
トランスフォーマーに基づくロボット操作手法は,多視点空間表現と言語命令を用いてロボットの運動軌跡を学習する。
既存のメソッドには、いくつかのデモだけで新しいタスクを継続的に学習する能力がない。
我々はこれらの問題に対処するタスク-prOmpt graPh evolutIon poliCy (TOPIC) を開発した。
論文 参考訳（メタデータ） (2025-04-22T01:30:47Z) - STRAP: Robot Sub-Trajectory Retrieval for Augmented Policy Learning [8.860366821983211]
STRAPは、トレーニング済みの視覚基盤モデルと動的時間ワープを利用して、大規模なトレーニングコーパスからトラジェクトリのサブシーケンスを堅牢に検索する技術である。
本研究では、事前学習された視覚基盤モデルと動的時間ワープを活用して、大規模学習コーパスからのトラジェクトリのサブシーケンスをロバストに検索するSTRAPを提案する。
論文 参考訳（メタデータ） (2024-12-19T18:54:06Z) - Continual Robot Learning using Self-Supervised Task Inference [19.635428830237842]
新しいタスクを継続的に学習するための自己教師型タスク推論手法を提案する。
我々は、行動マッチング型自己教師型学習目標を用いて、新しいタスク推論ネットワーク(TINet)を訓練する。
マルチタスクポリシはTINet上に構築され、タスクよりもパフォーマンスを最適化するために強化学習でトレーニングされている。
論文 参考訳（メタデータ） (2023-09-10T09:32:35Z) - Task Compass: Scaling Multi-task Pre-training with Task Prefix [122.49242976184617]
既存の研究では、大規模教師付きタスクによるマルチタスク学習がタスク間の負の効果に悩まされていることが示されている。
タスク間の関係を探索するために,タスクプレフィックスガイド付きマルチタスク事前学習フレームワークを提案する。
我々のモデルは、幅広いタスクの強力な基盤バックボーンとして機能するだけでなく、タスク関係を分析するための探索ツールとしても実現可能である。
論文 参考訳（メタデータ） (2022-10-12T15:02:04Z) - Task Formulation Matters When Learning Continually: A Case Study in
Visual Question Answering [58.82325933356066]
継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。
本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
論文 参考訳（メタデータ） (2022-09-30T19:12:58Z) - Stochastic Action Prediction for Imitation Learning [1.6385815610837169]
模倣学習は、観察を行動にマップするポリシーを学ぶために専門家のデモンストレーションに依存するスキルを獲得するためのデータ駆動のアプローチです。
遠隔操作車によるライン追従を含むタスクのために収集されたデモに本質性を示す。
専門家データにおける相反性の説明は,タスク完了の成功率を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2020-12-26T08:02:33Z)
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。