論文の概要: PILOT: Guiding Long-Horizon World-Model Planning for Robot Manipulation with Visual Subgoals and Policy Priors
- arxiv url: http://arxiv.org/abs/2610.14335v1
- Date: Fri, 09 Oct 2026 21:21:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 22:04:37.698856
- Title: PILOT: Guiding Long-Horizon World-Model Planning for Robot Manipulation with Visual Subgoals and Policy Priors
- Title（参考訳）: PILOT:視覚サブゴールと政策優先によるロボットマニピュレーションのための長期世界モデル計画の指導
- Abstract要約: 我々は、視覚サブゴールを生成するPILOT(Policyd Local Optimization with Temporal subgoals)と、クロスエントロピー法(CEM)を初期化する学習ポリシーを提案する。
PILOTは、ポリシーなしの55.0%、ポリシーのみの実行で13.8%、直接最終計画で0.0%と、68.8%の成功を収めている。
これらの結果から,時間的サブゴールと政策誘導行動探索を組み合わせることで,時間的タスク実行と地域計画効率が向上することが示唆された。
- 参考スコア（独自算出の注目度）: 8.81541019221939
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Latent world-model planning has shown promising results in goal-conditioned robotic manipulation, but remains challenging for long-horizon planning due to limited temporal guidance and inefficient action search. A distant visual goal provides little guidance for preparatory actions, while uninformed action sampling makes local optimization inefficient. We propose PILOT (Policy-Initialized Local Optimization with Temporal subgoals), which uses a video model to generate intermediate visual subgoals and a learned policy to initialize the cross-entropy method (CEM). CEM refines candidate action sequences toward each subgoal using an action-conditioned world model in a receding-horizon control loop. In our primary real-robot evaluation across four UR5e manipulation tasks, PILOT achieves 68.8% success, compared with 55.0% without policy initialization, 13.8% for policy-only execution, and 0.0% for direct final-goal planning. Simulation results show that these gains persist over longer horizons: PILOT exceeds direct execution of the same policy by 30 percentage points on long Push-T tasks and by 22 percentage points on LIBERO-10. Policy initialization also accelerates local optimization: on Push-T, CEM matches the cost reached by generic initialization after 10 iterations in only 4 iterations and reduces the final planning cost by 24.1% under the same sampling budget. These results show that combining temporal subgoals with policy-guided action search improves both long-horizon task execution and local planning efficiency. Videos are available on the webpage: https://pilot-planner.github.io/.
- Abstract（参考訳）: レイト・ワールド・モデル・プランニングは、目標条件付きロボット操作において有望な結果を示したが、時間的指導の制限と非効率な行動探索のため、長期計画では依然として困難である。
遠方の視覚目標は準備行動のガイダンスをほとんど提供しないが、インフォームド・アクション・サンプリングは局所的な最適化を非効率にする。
PILOT(Policy-Initialized Local Optimization with Temporal subgoals)を提案する。これはビデオモデルを用いて中間視覚サブゴールを生成し、学習ポリシーを用いてクロスエントロピー法(CEM)を初期化する。
CEMは、後退水平制御ループにおけるアクション条件付き世界モデルを用いて、各サブゴールに対する候補アクションシーケンスを洗練する。
PILOTは,4つのUR5e操作タスクを対象とした主要な実ロボット評価において,ポリシー初期化なしでの55.0%,ポリシーのみの実行で13.8%,直接最終ゴール計画で0.0%,68.8%の成功を収めた。
PILOTは、長いPush-Tタスクで30ポイント、LIBERO-10で22ポイント、同じポリシーを直接実行している。
ポリシーの初期化は局所的な最適化を加速する: Push-Tでは、CEMは10回のイテレーションでわずか4回のイテレーションで一般的な初期化によって達成されたコストと一致し、同じサンプリング予算の下で最終的な計画コストを24.1%削減する。
これらの結果から,時間的サブゴールと政策誘導行動探索を組み合わせることで,時間的タスク実行と地域計画効率が向上することが示唆された。
ビデオはWebページ(https://pilot-planner.github.io/)で公開されている。
関連論文リスト
- DexPolicy: Scheduled Exploration for Trajectory-Guided Dexterous Manipulation [59.77542456468077]
器用な操作のための強化学習(RL)は、指と物体の接触を発見し、その物体を正確に制御する必要がある。
我々のベースラインPPOは、5Mステップ後に最初の動作ノイズの近くで終了し、探索スケールの明示的な制御を動機付けます。
PPO, 批判のないGRPO継続, フローフリーなPPOの3つのポリシー最適化設定について検討した。
論文 参考訳（メタデータ） (2026-09-30T04:19:47Z) - LePlanner: An Iterative Amortized Controller For World Models [0.0]
本研究では,凍結したワールドモデル予測器を用いて遅延動作シーケンスの構築と洗練を学習する,償却反復制御器LePlannerを提案する。
LePlannerは、最初期の地平線で目標に達するようコントローラに促し、そこに留まるよう、到着と保持の目的で訓練されている。
成功率はPushTが98%、Reacherが100%、TwoRoomsが100%、OGBench Cubeが92%である。
論文 参考訳（メタデータ） (2026-09-12T10:01:21Z) - SAGE: Subgoal-Conditioned Action Generation for Latent World Model Planning [31.41226685658239]
潜在世界モデルは、行動条件付き予測力学を学習することで、強力な計画パラダイムとして登場した。
固定された候補予算は、評価のために世界モデルを高品質な候補未来に公開するために、指数関数的に大きなアクション空間を探索しなければならない。
本稿では,ランダムな提案初期化を構造化ガイダンスに置き換える事前条件付きプランナを提案する。
論文 参考訳（メタデータ） (2026-07-20T14:10:56Z) - Test-Time Trajectory Optimization for Autonomous Driving [77.87162309994567]
自動運転のためのエンド・ツー・エンドのプランナーは、通常、一連の候補軌跡を生成し、それぞれをスコアし、最高スコアの候補を返す。
我々は、スコアラを学習軌跡レベルの報酬関数として扱い、それを最大化する軌跡を探索する。
提案手法であるTOAD(Cross-Entropy Method:クロスエントロピー法)をテスト時に実行し,プランナーの提案からウォームスタートする。
論文 参考訳（メタデータ） (2026-06-05T11:39:27Z) - CADENCE: Predicting Realized MAPF Execution Time Beyond Sum of Costs [0.8602553195689513]
Multi-Agent Path Finding (MAPF)アルゴリズムは、産業倉庫やロボット共有ワークスペースにおけるロボットチームの動きを計画するために、ますます使われている。
しかし、SoC(Sum of Costs)やMakepan、プランナーランタイムといった標準的なMAPFアルゴリズム評価メトリクスは、プランナーの選択が現実的な実行パフォーマンスにどのように変換するかを曖昧にします。
CADENCEは、7つのディファレンシャルドライブロボットを用いた固定された7×7ワークセル上のこの評価ギャップに関するハードウェア研究である。
論文 参考訳（メタデータ） (2026-06-03T11:28:09Z) - Global Prior Meets Local Consistency: Dual-Memory Augmented Vision-Language-Action Model for Efficient Robotic Manipulation [95.89924101984566]
GPM(Global Prior Memory)とLCM(Local Consistency Memory)を備えたデュアルメモリVLAフレームワークOptimusVLAを紹介する。
GPMはガウスノイズを意味論的に類似した軌道から取得したタスクレベルの先行値に置き換える。
LCMは、時間的コヒーレンスと軌道の滑らかさを強制する学習された一貫性制約を注入する。
論文 参考訳（メタデータ） (2026-02-22T15:39:34Z) - Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。
テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
論文 参考訳（メタデータ） (2025-12-10T18:59:45Z) - Efficient Robotic Policy Learning via Latent Space Backward Planning [17.770562202624962]
現行のロボット計画手法は、しばしば、全画素の詳細を持つ多フレーム画像の予測に頼っている。
本稿では,その課題を最終目標とするLBP(Latent Space Backward Planning scheme)を提案する。
LBPは既存の細粒度・前方計画法よりも優れた性能を示し,SOTA性能を実現している。
論文 参考訳（メタデータ） (2025-05-11T06:13:51Z) - Imitating Graph-Based Planning with Goal-Conditioned Policies [72.61631088613048]
本稿では,目標目標条件ポリシにサブゴール条件ポリシを蒸留する自己シミュレーション方式を提案する。
提案手法は,既存の目標条件付きRL手法のサンプル効率を大幅に向上させることができることを実証的に示す。
論文 参考訳（メタデータ） (2023-03-20T14:51:10Z) - C-Planning: An Automatic Curriculum for Learning Goal-Reaching Tasks [133.40619754674066]
ゴール条件強化学習は、ナビゲーションや操作を含む幅広い領域のタスクを解決できる。
本研究では,学習時間における探索を用いて,中間状態を自動生成する遠隔目標獲得タスクを提案する。
E-stepはグラフ検索を用いて最適な経路点列を計画することに対応し、M-stepはそれらの経路点に到達するための目標条件付きポリシーを学習することを目的としている。
論文 参考訳（メタデータ） (2021-10-22T22:05:31Z)
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。