論文の概要: AlphaNIST: Emergent Assembly Skills from Binary Task Rewards

• arxiv url: http://arxiv.org/abs/2610.13354v1
• Date: Fri, 09 Oct 2026 10:29:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.525099
• Title: AlphaNIST: Emergent Assembly Skills from Binary Task Rewards
• Title（参考訳）: AlphaNIST: バイナリタスクリワードによるアセンブリスキルの創発
• Abstract要約: 我々は、NISTアセンブリタスクボード#1の20のアセンブリタスクをスクラッチから1つのポリシーをトレーニングします。 シミュレーションでは、デモ、プログレッシブシェーピング、スクリプトプリミティブ、タスク単位のチューニングなしで、98.2%の総合的なトレーニング成功を達成した。 このフレームワークはまた、所定の順序なしで1回に10組の組立ペアを完了させるポリシーを訓練し、すべての10組の組立ペアが同時に完了した場合にのみタスクの成功が報われる。
• 参考スコア（独自算出の注目度）: 10.763327742341959
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The NIST Assembly Task Board #1 remains a challenging benchmark for learning-based methods in robotic manipulation. Over short horizons, it demands precise, contact-rich control of small, tight-fitting parts. Over long horizons, it requires recovery and coordination across extended action sequences. Demonstrations, task decomposition, and dense progress rewards have enabled research advances by providing guidance on how to assemble. But how much of the strategy must be specified? The progression from AlphaGo to AlphaGo Zero showed that RL at scale can discover superhuman strategies without prescribing how to win. AlphaNIST asks whether a sparse binary task reward and task diversity admitted by this task-agnostic reward can similarly let a robot discover how to assemble. In simulation, we train a single policy from scratch across all 20 assembly tasks on the NIST Assembly Task Board #1, reaching 98.2% overall training success without demonstrations, progress shaping, scripted primitives, or per-task tuning. The framework also trains policies to complete ten assembly pairs in a single episode without a prescribed order, with task success rewarded only when all ten pairs are simultaneously complete. The learned policies discover dexterous and planning-like behaviors: choosing grasps for later assembly, using surrounding geometry to reorient parts, and preparing one part, assembling another, then returning to finish the first without an explicit planner. For videos, see our website: https://alpha-nist.github.io/
• Abstract（参考訳）: NISTアセンブリタスクボード#1は、ロボット操作における学習ベースの手法の挑戦的なベンチマークのままである。 短い地平線上では、コンパクトでタイトな部品を正確に、接触に富んだ制御が要求される。 長い水平線では、拡張されたアクションシーケンス間のリカバリと調整が必要である。 デモ、タスク分解、そして密集した進歩報酬は、組み立て方に関するガイダンスを提供することで研究の進歩を可能にした。 しかし、その戦略のどれ程を指定しなければならないのか? AlphaGoからAlphaGo Zeroへの進歩は、大規模なRLが勝利の方法を規定することなく超人的戦略を発見できることを示した。 AlphaNISTは、このタスク非依存の報酬によって認められたスパースバイナリタスク報酬とタスク多様性が、同様にロボットに組み立て方を見つけることができるかどうかを問う。 シミュレーションでは、NISTアセンブリタスクボード#1の20のアセンブリタスクをスクラッチから1つのポリシーでトレーニングし、デモ、プログレスシェイピング、スクリプトプリミティブ、タスク単位のチューニングなしで98.2%のトレーニング成功を達成した。 このフレームワークはまた、所定の順序なしで1回に10組の組立ペアを完了させるポリシーを訓練し、すべての10組の組立ペアが同時に完了した場合にのみタスクの成功が報われる。 学習されたポリシーは、後続の組立のための把握を選択し、周囲の幾何学を使って部品を並べ直し、部品を準備し、別の部品を組み立て、明示的なプランナーなしで最初のものを完成させる、という奇抜で計画的な行動を発見する。 ビデオについては、私たちのWebサイトを参照してください。

関連論文リスト

• LexiconVLA: Learning Reusable Atomic Action Codebooks for Unseen Tasks [52.045695649147966]
  クロスタスク再利用のための検索可能な原子-作用レキシコンを提案する。 グローバルかつ詳細なコードブックは、共有インタラクション構造ときめ細かい実行のバリエーションをキャプチャする。 視覚-原子的行動アライメントは、視覚状態変化からの軌道再構成と、行動コードからの視覚的結果予測を結合する。
  論文  参考訳（メタデータ） (2026-09-29T05:45:52Z)
• Offline Discovery of Interpretable Skills from Multi-Task Trajectories [8.119611773942562]
  オフラインスキル発見と階層的模倣のための3段階のエンドツーエンド学習フレームワークであるLOKIを紹介する。 LOKIは、挑戦的なD4RL Kitchenベンチマークで高い成功率を獲得し、標準のHILベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-02-01T05:03:58Z)
• Dense Dynamics-Aware Reward Synthesis: Integrating Prior Experience with Demonstrations [24.041217922654738]
  連続制御問題はスパース・リワード強化学習(RL)タスクとして定式化することができる。 オンラインRLメソッドは、各新しいタスクを解決するために、状態空間を自動的に探索することができる。 しかしながら、非ゼロ報酬につながる行動列の発見は、タスクの水平線が増加するにつれて指数関数的に難しくなる。 本稿では,1)タスク非依存の事前データセットに含まれる情報を抽出し,2)少数のタスク固有の専門家によるデモンストレーションを行う,体系的な報酬形成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-02T04:37:12Z)
• A Backbone for Long-Horizon Robot Task Understanding [8.889888977376886]
  Therblig-Based Backbone Framework (TBBF)は、ロボットシステムにおける解釈可能性、データ効率、一般化を強化する構造である。 TBBFは、専門家によるデモンストレーションを利用して、rbligレベルのタスク分解を可能にする。 オフライントレーニングの段階において,正確なソルビグセグメンテーションのためのMeta-RGate SynerFusionネットワークを開発した。 オンラインテストの段階では、新しいタスクのワンショットデモが収集された後、MGSFネットワークは高いレベルの知識を抽出する。
  論文  参考訳（メタデータ） (2024-08-02T15:32:42Z)
• Learning Neuro-Symbolic Skills for Bilevel Planning [63.388694268198655]
  意思決定は、連続したオブジェクト中心の状態、継続的なアクション、長い地平線、まばらなフィードバックを持つロボット環境では難しい。 タスク・アンド・モーション・プランニング(TAMP)のような階層的なアプローチは、意思決定を2つ以上の抽象レベルに分解することでこれらの課題に対処する。 我々の主な貢献は、オペレーターとサンプルラーを組み合わせたパラメータ化警察の学習方法である。
  論文  参考訳（メタデータ） (2022-06-21T19:01:19Z)
• Fast Inference and Transfer of Compositional Task Structures for Few-shot Task Generalization [101.72755769194677]
  本稿では,タスクがサブタスクグラフによって特徴づけられる,数発の強化学習問題として定式化する。 我々のマルチタスクサブタスクグラフ推論器(MTSGI)は、トレーニングタスクから、まず、サブタスクグラフの観点から、一般的なハイレベルなタスク構造を推測する。 提案手法は,2次元グリッドワールドおよび複雑なWebナビゲーション領域において,タスクの共通基盤構造を学習し,活用し,未知のタスクへの適応を高速化する。
  論文  参考訳（メタデータ） (2022-05-25T10:44:25Z)
• Coarse-to-Fine Q-attention with Learned Path Ranking [95.00518278458908]
  本稿では,エンドエフェクタのゴールポーズを受け入れる手法であるLearned Path Ranking(LPR)を提案し,目標獲得パスのセットのランク付けを学習する。 16のRLBenchタスクにまたがるアプローチのベンチマークに加えて、実世界のタスク、タブララザも10～15分で3つのデモで学習します。
  論文  参考訳（メタデータ） (2022-04-04T15:23:14Z)
• COG: Connecting New Skills to Past Experience with Offline Reinforcement Learning [78.13740204156858]
  我々は、動的プログラミングによって新しいスキルを拡張するために、事前データを再利用できることを示します。 我々は、新しいタスクを解決するために、以前のデータセットに見られるいくつかの動作をチェーンすることで、アプローチの有効性を実証する。 我々は、高次元画像観察を低レベルのロボット制御コマンドにマッピングし、エンドツーエンドでポリシーを訓練する。
  論文  参考訳（メタデータ） (2020-10-27T17:57:29Z)
• MTL-NAS: Task-Agnostic Neural Architecture Search towards General-Purpose Multi-Task Learning [71.90902837008278]
  汎用マルチタスク学習(GP-MTL)にニューラルアーキテクチャサーチ(NAS)を導入することを提案する。 異なるタスクの組み合わせに対応するため、GP-MTLネットワークを単一タスクのバックボーンに分割する。 また,探索されたアーキテクチャ間の性能ギャップを埋める単一ショット勾配に基づく探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-31T09:49:14Z)

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。