論文の概要: ReAT: Residual Action Tokenization for Autoregressive Robot Policies

• arxiv url: http://arxiv.org/abs/2610.13093v1
• Date: Fri, 09 Oct 2026 06:45:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.437899
• Title: ReAT: Residual Action Tokenization for Autoregressive Robot Policies
• Title（参考訳）: ReAT: 自己回帰型ロボット政策の残留行動トークン化
• Abstract要約: 自己回帰型ロボットポリシーは、連続的なアクションチャンクを予測対象のコンパクトなシーケンスに変換するためにアクショントークン化器に依存している。 既存のトークンライザは、個別のコードからアクションチャンクを再構築することができるが、個々のトークンが再構成されたアクションに寄与するものを暗黙的に残すことが多い。 我々はResidual Action Tokenization (ReAT)を導入し、各トークンが現在のアクション再構築を洗練するための明確な役割を担います。
• 参考スコア（独自算出の注目度）: 29.08067394489046
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autoregressive robot policies rely on action tokenizers to convert continuous action chunks into compact sequences of discrete prediction targets. Existing tokenizers can reconstruct action chunks from discrete codes, but often leave implicit what each individual token contributes to the reconstructed action. We introduce Residual Action Tokenization (ReAT), which gives each token an explicit role in refining the current action reconstruction. It uses the decoded reconstruction as feedback to construct the next token from the remaining action error. This closes the loop between encoding and decoding, making each new token responsive to the errors left by the actual decoded prefix. Across 19 manipulation tasks spanning three simulation benchmarks and real-world settings, 8-token ReAT policies outperform the evaluated baselines in task success; on LIBERO, even 4-token ReAT surpasses the evaluated 8-token action-tokenization baselines at half the token budget. These results suggest a path toward action tokenization that supports self-corrective policy learning, helping autoregressive policies learn to progressively refine their own action plans.
• Abstract（参考訳）: 自己回帰型ロボットポリシーは、連続的なアクションチャンクを離散的な予測対象のコンパクトなシーケンスに変換するためにアクショントークン化器に依存している。 既存のトークンライザは、個別のコードからアクションチャンクを再構築することができるが、個々のトークンが再構成されたアクションに寄与するものを暗黙的に残すことが多い。 我々はResidual Action Tokenization (ReAT)を導入し、各トークンが現在のアクション再構築を洗練するための明確な役割を担います。 復号された再構成をフィードバックとして使用して、残りのアクションエラーから次のトークンを構築する。 これにより、エンコーディングとデコードの間のループを閉じ、それぞれの新しいトークンが実際のデコードプレフィックスで残されているエラーに応答するようになる。 3つのシミュレーションベンチマークと実世界の設定にまたがる19の操作タスクにおいて、8-token ReATポリシーは、評価されたタスク成功のベースラインよりも優れており、LIBEROでは、4-token ReATでさえ、評価された8-tokenアクショントークン化ベースラインを半分のトークン予算で上回っている。 これらの結果から,自己是正的政策学習を支援する行動トークン化への道が示唆され,自己回帰的政策が自らの行動プランを段階的に洗練することを支援する。

関連論文リスト

• CAP: Codebook-Aligned Prediction for Tokenized Robot Policies [6.4642902322192315]
  アクショントークン化は、ロボットアクションを自己回帰的にモデル化できる離散シンボルに変換する。 既存のトークンーベースのポリシーは、一般的にトークンーが学習した潜在コード構造を無視します。 本稿では,トークンのコードベクトルをポリシークラスプロトタイプとして直接再利用するCodebook-Aligned Prediction (CAP)を紹介する。
  論文  参考訳（メタデータ） (2026-10-06T22:28:45Z)
• Beyond Reconstruction: What Matters in Action Tokenization for Robot Policies? [6.4642902322192315]
  本稿では,下流予測可能性とロバスト性の向上を目標として,再建を戦略的に強化するトークン化学習手法であるProActを紹介する。 Robomimic、LIBERO、RoboTwinのベンチマーク、およびさまざまなトークン化アーキテクチャ全体において、ProActはロールアウトの成功を平均11.3ポイント改善している。 これらの改善はビジョン・ランゲージ・アクション・ポリシーや実世界のロボット操作にも寄与し、それぞれ平均利得は21.8ポイント、36.7%となった。
  論文  参考訳（メタデータ） (2026-10-06T22:12:53Z)
• Rethinking Causal Action Tokenization with Conditional Annealing in Flow Matching [63.00892079900331]
  CATokは因果的行動トークンーザであり、因果的構造化された生成過程としてトークン化を再構成する。 我々は,CATok が再現性圧縮トレードオフと推論効率の両方において,既存のトークン化手法を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-09-28T15:52:55Z)
• Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control? [78.81308700607651]
  アクションチャンキングは単一のアクションではなく、複数のアクションを予測し、実行する。 非マルコフ表現率の増大と、マルコフポリシーと比較して複合誤差の低減による作用チャンキングの利点が示された。 本稿では,アンサンブルを明示的にインスタンス化することで,アクションチャンキングのメリットを増幅するポリシークラスを提案する。
  論文  参考訳（メタデータ） (2026-08-03T17:32:45Z)
• Ordered Action Tokens for Visuomotor Policy Learning [47.37773778249323]
  アクショントークン化は、連続したロボットアクションチャンクを離散トークンにマッピングする。 本稿では,高圧縮,全復調性,順序付きトークン空間を満足する,学習されたアクショントークン化ツールであるOrdered Action Tokenization(OAT)を紹介する。 OATは一貫して強力なポリシー性能を提供し、推論時に大幅な柔軟性を提供します。
  論文  参考訳（メタデータ） (2026-07-23T07:04:51Z)
• OAT: Ordered Action Tokenization [44.20363344414952]
  自己回帰ポリシーは、離散的な抽象化、トークンレベルの推論、柔軟な推論を可能にすることで、スケーラブルなロボット学習のための魅力的な基盤を提供する。 既存のアプローチは、極端に長いトークン配列を生成する分析的な離散化法や、構造を持たない学習された潜在トークン化器に依存する。 本研究では,アクショントークン化のための3つのデシラタ(高圧縮,全復調性,左から右への因果的に順序付けられたトークン空間)を特定し,オーダードアクショントークン化(OAT)を導入する。 OATはレジスタを持つ変圧器、有限スカラー量子を用いて、アクションチャンクを順序付けられたトークン列に識別する
  論文  参考訳（メタデータ） (2026-02-04T05:01:04Z)
• Coarse-to-fine Q-Network with Action Sequence for Data-Efficient Robot Learning [62.3886343725955]
  本稿では,行動列上のQ値を出力する批判ネットワークを学習する,新しい値に基づく強化学習アルゴリズムを提案する。 実験により、CQN-ASは、様々なスパース逆ヒューマノイド制御およびテーブルトップ操作タスクにおいて、いくつかのベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-19T01:23:52Z)

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。