論文の概要: Predict in Chunks, Revise in Spans: History-conditioned Action Regeneration for Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2610.14864v1
• Date: Sat, 10 Oct 2026 12:33:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 11:22:15.30053
• Title: Predict in Chunks, Revise in Spans: History-conditioned Action Regeneration for Robotic Manipulation
• Title（参考訳）: スペインにおけるチャンクの予測と修正:ロボットマニピュレーションのための歴史条件付きアクション再生
• Abstract要約: アクションチャンキングは、将来の行動のシーケンスを共同予測することで、視覚的模倣学習における時間的コヒーレンスを改善する。 本研究では, 履歴条件による局所的再生を通じて連続的な行動チャンクを洗練させるビジュモータポリシーである, コンテキストマスケ行動ポリシー(CMAP)を紹介する。
• 参考スコア（独自算出の注目度）: 8.64135687416654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Action chunking improves temporal coherence in visuomotor imitation learning by jointly predicting sequences of future actions. However, many existing policies regenerate entire action chunks even when errors are localized, potentially replacing otherwise valid predictions. We introduce Contextual Masked Action Policy (CMAP), a visuomotor policy that refines continuous action chunks through history-conditioned local regeneration. Specifically, CMAP introduces a history-conditioned action tape that combines executed commands with masked future positions to produce coarse action predictions and per-step uncertainty scores. An uncertainty-guided span regeneration mechanism then selects a high-uncertainty contiguous span and reconstructs it using the executed history and retained future predictions as context. By jointly reconstructing neighboring actions, CMAP models local temporal dependencies while preserving all predictions outside the selected span. Extensive experiments on nine simulated and four real-world manipulation tasks demonstrate that CMAP achieves superior overall performance over several competitive baselines. Ablation studies validate the complementary contributions of its key components, while held-out trajectory analysis shows that local regeneration reduces prediction errors within selected spans.
• Abstract（参考訳）: アクションチャンキングは、将来の行動のシーケンスを共同予測することで、視覚的模倣学習における時間的コヒーレンスを改善する。 しかしながら、多くの既存のポリシーは、エラーがローカライズされたとしてもアクションチャンク全体を再生し、他の有効な予測を置き換える可能性がある。 本研究では, 履歴条件による局所的再生を通じて連続的な行動チャンクを洗練させるビジュモータポリシーである, コンテキストマスケ行動ポリシー(CMAP)を紹介する。 具体的には、実行されたコマンドとマスクされた将来の位置を組み合わせた履歴条件のアクションテープを導入し、粗いアクション予測とステップごとの不確実性スコアを生成する。 不確実性誘導されたスパン再生機構は、高い不確実なスパンを選択し、実行された履歴を用いて再構成し、将来の予測をコンテキストとして保持する。 隣接する動作を共同で再構築することで、CMAPは選択されたスパンの外で全ての予測を保ちながら、局所的な時間的依存をモデル化する。 9つのシミュレーションと4つの実世界の操作タスクに関する大規模な実験は、CMAPがいくつかの競争基準よりも優れた全体的な性能を達成することを示した。 アブレーション研究は、その重要な成分の相補的寄与を検証し、ホールドアウト軌道解析により、局所的な再生が選択されたスパン内の予測誤差を減少させることを示した。

関連論文リスト

• Unifying Policy Learning and State Prediction through Spatial Language Modeling [52.172884936392535]
  本研究では,シーンの輪郭,目標,行動目標,将来の状態を個別座標と意味トークンの共通語彙で表現する空間言語モデリングを提案する。 タスク固有の文法はこれらの要素を空間配列に整理し、1つの自己回帰変換器が行動生成と行動条件付き状態予測を学習できるようにする。 ランダム・プレイ・トランジション・プレトレーニングを駆使してモデルをスクラッチからトレーニングし、その後、専門家によるデモンストレーションで共同動作と状態トレーニングを行う。
  論文  参考訳（メタデータ） (2026-10-08T15:43:08Z)
• Learning Skills from Historical Action Trajectories: Action Experience Dictionary for World Action Models [129.76412745258145]
  World Action Models(WAM)は、視覚力学予測とアクション生成を結合するが、操作タスク間のアクションエクスペリエンスの再利用を明示的にサポートしていない。 本研究では,歴史的行動軌跡を共有行動埋め込みにエンコードするアクション体験辞書(AED)を開発した。 シミュレーション・ベンチマークと実世界のクロス・エボディメント・セッティングの実験により,AEDの有効性が検証された。
  論文  参考訳（メタデータ） (2026-09-30T17:26:38Z)
• SPACE: Sparse Predictive Attractor via Counterfactual Eviction for Streaming Video Memory [26.40942862262398]
  本研究では,SPACE(Sparse Predictive Attractor via Counterfactual Eviction)を導入し,代替的エビテーション行動によって引き起こされる将来の表現を予測する。 カウンターファクチュアルユーティリティは将来の有用な代替品を識別し、遅い予測ベース幾何は回避可能なドリフトをいつ修正するかを決定する。 MABS-Benchは、一致した因果ストリームとメモリ予算の下で、将来のタスク満足度、レジスタ内予測安定性、遷移応答性、回復を評価する。
  論文  参考訳（メタデータ） (2026-09-26T13:11:20Z)
• Recommendation World Models for Future-State Control [53.191633845200876]
  我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。 UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。 本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
  論文  参考訳（メタデータ） (2026-09-25T02:37:48Z)
• LiFTER: A Grounded Neuro-Symbolic Microscope for Continuous-Time Dynamic Graph Forecasting [0.0]
  連続時間動的グラフモデルは、過去の相互作用をニューラルステートに圧縮することで将来のリンクを予測する。 LiFTERは、観測された相互作用を時間的事実として保存する神経共生予測器である。 LiFTERは、競合する歴史的負の予測を達成し、c-カレンシーと削除忠実度が最も高いマクロ説明を行う。
  論文  参考訳（メタデータ） (2026-08-07T03:39:09Z)
• FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
  FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。 FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
  論文  参考訳（メタデータ） (2026-07-27T05:10:16Z)
• ResCP: Reservoir Conformal Prediction for Time Series Forecasting [39.81023599249223]
  コンフォーマル予測は、交換可能なデータに対して、分散のない予測間隔を構築するための強力なフレームワークを提供する。 本稿では,Reservoir Conformal Prediction (ResCP)を提案する。
  論文  参考訳（メタデータ） (2025-10-06T17:37:44Z)
• Generative Regression Based Watch Time Prediction for Short-Video Recommendation [36.95095097454143]
  短いビデオレコメンデーションシステムでは、時計の時間予測が重要なタスクとして現れている。 最近の研究は、連続時計時間推定を正規回帰タスクに変換することによって、これらの問題に対処しようとしている。 本稿では,WTPをシーケンス生成タスクとして再構成する新しい生成回帰(GR)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-28T16:48:55Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)

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。