論文の概要: Learning to See through Action: Predictive Curiosity for Robots

• arxiv url: http://arxiv.org/abs/2610.14302v1
• Date: Fri, 09 Oct 2026 20:26:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:13:16.538952
• Title: Learning to See through Action: Predictive Curiosity for Robots
• Title（参考訳）: アクションを通して学ぶ:ロボットの予測好奇心
• Abstract要約: 能動ロボット視覚学習のための自己教師型フレームワークであるDySCOVERを紹介する。 ロボットはRGBフレームを観察し、それらをエンコードして再構築する視覚オートエンコーダを学び、次の視覚潜伏状態を予測するために繰り返し世界モデルを訓練する。 ロボットアームを用いて実施した実験は、視覚的好奇性のみを用いることよりも、予測的好奇性を加えることで視覚モデルを改善することを示した。
• 参考スコア（独自算出の注目度）: 22.5459428605683
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humans and animals do not learn vision from a fixed set of data: they move, interact, and learn from the visual consequences of their actions. Motivated by this developmental view, we study whether robots can improve visual learning by actively collecting experience through curiosity-driven interaction. We introduce DySCOVER, a self-supervised framework for active robot visual learning. A robot observes RGB frames, learns a visual autoencoder that encodes and reconstructs them, and trains a recurrent world model to predict the next visual latent state conditioned on the current state and action. The agent's policy is trained only with intrinsic rewards: reconstruction error encourages visually novel observations, while the world model's error encourages transitions whose consequences are not yet predictable. This prediction error biases the policy toward more intricate trajectories that enrich the agent's set of experiences with observations beyond those encouraged by visual novelty alone. Our experiments conducted with robotic arms as the embodied agents show that adding predictive curiosity improves the vision model over using visual curiosity alone. Across variations in initial conditions, experience capacity, embodiment, and scene content, adding predictive curiosity consistently improved visual learning. These results show that predictive curiosity can improve active visual learning beyond reconstruction-based curiosity alone.
• Abstract（参考訳）: 人間や動物は、固定されたデータから視覚を学ばず、行動の視覚的な結果から動き、相互作用し、学習する。 本研究の目的は,ロボットが好奇心を駆使したインタラクションを通じて経験を積極的に収集することで,視覚学習を向上できるかどうかを検討することである。 能動ロボット視覚学習のための自己教師型フレームワークであるDySCOVERを紹介する。 ロボットは、RGBフレームを観察し、それらをエンコードして再構成する視覚オートエンコーダを学び、現在の状態と動作に規定された次の視覚潜在状態を予測するために、繰り返し世界モデルを訓練する。 再現エラーは視覚的に新しい観察を奨励し、世界モデルのエラーは結果がまだ予測できない遷移を奨励する。 この予測誤差は、視覚的ノベルティのみによって奨励されるものを超える観察によってエージェントの一連の経験を豊かにする、より複雑な軌道に対するポリシーをバイアスする。 ロボットアームを用いた実験では、視覚的好奇性のみを用いることよりも、予測的好奇性を加えることで視覚モデルを改善することが示された。 初期条件、経験能力、エンボディメント、シーン内容のさまざまなバリエーションにより、予測的好奇心が常に視覚学習を改善した。 これらの結果から,予測的好奇心は,再建に基づく好奇心以外の活動的視覚学習を改善することが示唆された。

関連論文リスト

• LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
  LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。 そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。 R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
  論文  参考訳（メタデータ） (2026-03-31T02:21:59Z)
• Simulated Cortical Magnification Supports Self-Supervised Object Learning [8.07351541700131]
  近年の自己教師型学習モデルでは,幼児と同様の視覚的体験を訓練することで,意味オブジェクト表現の発達をシミュレートしている。 本稿では,オブジェクト表現の発達において,この様々な解決法が果たす役割について考察する。
  論文  参考訳（メタデータ） (2025-09-19T08:28:06Z)
• Reimagination with Test-time Observation Interventions: Distractor-Robust World Model Predictions for Visual Model Predictive Control [51.14656121641822]
  世界モデルは、現在の観測と計画された行動によって、ロボットが将来の観察を「想像」することができる。 新たな視覚的障害は、行動結果の予測を破損させ、ロボットが計画や行動検証のために世界モデルの想像力に依存するとき、下流の障害を引き起こす可能性がある。 本稿では、世界モデルによるより信頼性の高い行動結果の予測を可能にする簡易かつ効果的なテストタイム戦略であるReOI(Reimagination with Observation Intervention)を提案する。
  論文  参考訳（メタデータ） (2025-06-19T19:41:29Z)
• Emergent Active Perception and Dexterity of Simulated Humanoids from Visual Reinforcement Learning [69.71072181304066]
  本稿では,擬似ヒューマノイドを用いた視覚駆動全身制御フレームワークであるPerceptive Dexterous Control (PDC)を紹介する。 PDCは、タスク仕様のためのエゴセントリックなビジョンのみを運用し、ビジュアルキューによるオブジェクト検索、ターゲット配置、スキル選択を可能にする。 強化学習によるスクラッチからのトレーニングは,能動探索などの創発的な行動を引き起こす可能性があることを示す。
  論文  参考訳（メタデータ） (2025-05-18T07:33:31Z)
• Visual Episodic Memory-based Exploration [0.6374763930914523]
  人間では、本質的なモチベーションはオープンエンド認知発達の重要なメカニズムであり、ロボットでは探索に有用である。 本稿では,ロボット探索問題への動機づけの源として,視覚的エピソードメモリの利用について検討する。
  論文  参考訳（メタデータ） (2024-05-18T13:58:47Z)
• What Matters to You? Towards Visual Representation Alignment for Robot Learning [81.30964736676103]
  人のために運用する場合、ロボットはエンドユーザーの好みに合わせて報酬を最適化する必要がある。 本稿では、視覚的表現アライメント問題を解決するためのRAPL(Representation-Aligned Preference-based Learning)を提案する。
  論文  参考訳（メタデータ） (2023-10-11T23:04:07Z)
• Learning to See before Learning to Act: Visual Pre-training for Manipulation [48.731528716324355]
  視覚タスクの事前学習は、物体を操作するための学習の一般化とサンプル効率を大幅に向上させる。 本稿では,モデルパラメータを視覚ネットワークからアベイランス予測ネットワークへ直接転送することで,ゼロショット適応が成功することを示す。 ほんの少しのロボット経験があれば、より優れた結果を得るために、余分なモデルをさらに微調整できる。
  論文  参考訳（メタデータ） (2021-07-01T17:58:37Z)
• Visual Perspective Taking for Opponent Behavior Modeling [22.69165968663182]
  ロボットのためのエンドツーエンドの長期視覚予測フレームワークを提案する。 視覚的に隠れて見るという文脈で、我々のアプローチを実証する。 我々は,実世界のマルチエージェント活動に完全に統合できる物理ロボットの能力において,視覚行動モデリングとパースペクティブテイキングスキルが重要な役割を果たすことを示唆する。
  論文  参考訳（メタデータ） (2021-05-11T16:02:32Z)

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。