論文の概要: Exploring the Limits of Combinatorial Generalization in Embodied Manipulation

• arxiv url: http://arxiv.org/abs/2610.15425v1
• Date: Sun, 11 Oct 2026 07:59:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:10:09.531728
• Title: Exploring the Limits of Combinatorial Generalization in Embodied Manipulation
• Title（参考訳）: 人工マニピュレーションにおける組合せ一般化の限界を探る
• Abstract要約: 具体的操作では、視覚言語アクション(VLA)モデルは原子スキルを実行することができるが、ロングホライゾン操作では、すべてのスキルの組み合わせに対してデモなしでこれらのスキルを再結合する必要がある。 制御された研究では、限られたスキルの組み合わせシーケンスに関する完全な指導訓練は、カバーされた組み合わせで40.0%の順に成功したが、リコンビネーションで7.7%しか成功しなかった。 HSE(Hierarchical Subtask Execution)は,計画者,トリガ,ポリシに対する共有モジュールインターフェースを通じて,スキルの再結合を公開する診断フレームワークである。
• 参考スコア（独自算出の注目度）: 16.980933273779893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In embodied manipulation, Vision Language Action (VLA) models can execute atomic skills, but long-horizon manipulation requires recombining these skills without demonstrations for every skill combination. The full instruction route treats skill chaining as long-horizon imitation. In a controlled study, full instruction training on limited skill combination sequences reaches 40.0% ordered success on covered combinations but only 7.7% on recombination, suggesting memorization of sequence templates rather than robust skill recombination. We introduce Hierarchical Subtask Execution (HSE), a diagnostic framework that exposes skill recombination through a shared modular interface over the planner, trigger, and policy, decomposing long-horizon failures into separable modes. We introduce RoboCombine, a benchmark for skill recombination without combined skill training trajectories, with metrics for ordered success and transition conversion across subtask boundaries. RoboCombine reveals that atomic competence alone does not ensure ordered execution. Failures concentrate at transitions where downstream subtasks launch from handoff states from preceding subtasks rather than canonical atomic starts. We identify this mismatch as the start state gap. To address it, we introduce Pose Robust Task Initialization (PRTI), a lightweight atomic task post-training strategy that broadens start state coverage beyond canonical starts. Under oracle timed HSE on RoboCombine, PRTI reaches 18.16% ordered success, compared with 4.21% under random perturbation and 9.47% under a robot-reset oracle, without combined skill training trajectories. These results show that combinatorial generalization requires handoff robust atomic skills that convert first stage progress into reliable downstream execution, not merely decomposition into known subtasks. Code: https://github.com/AutoLab-SAI-SJTU/RoboCombine.
• Abstract（参考訳）: 具体的操作では、視覚言語アクション(VLA)モデルは原子スキルを実行することができるが、ロングホライゾン操作では、すべてのスキルの組み合わせに対してデモなしでこれらのスキルを再結合する必要がある。 完全な指導経路は、スキルチェインをロングホライゾン模倣として扱う。 制御された研究では、限られたスキルの組み合わせシーケンスに関する完全な指導訓練は、カバーされた組み合わせで40.0%の順に成功するが、組み換えで7.7%しか成功せず、堅牢なスキル組換えではなく、シーケンステンプレートを記憶していることを示唆している。 HSE(Hierarchical Subtask Execution)は,設計,トリガ,ポリシ上の共有モジュールインターフェースを通じて,長期的障害を分離可能なモードに分解することで,スキル再結合を実現する診断フレームワークである。 本稿では,RoboCombineについて紹介する。RoboCombineは,スキルトレーニングトラジェクトリを併用せずにスキルリコンビネーションを行うベンチマークである。 RoboCombineは、アトミックな能力だけでは順序づけられた実行を保証していないことを明らかにしている。 故障は、下流のサブタスクが標準原子開始よりも前のサブタスクからハンドオフ状態から発射される遷移に集中する。 我々はこのミスマッチをスタート状態のギャップとみなしている。 これに対処するために、私たちは、標準的な開始点を超えて状態カバレッジを拡大する軽量なアトミックタスク後トレーニング戦略であるPose Robust Task Initialization (PRTI)を紹介します。 ロボコミン上でのオラクルタイムドHSEでは、PRTIは18.16%のオーダーで成功し、ランダムな摂動では4.21%、ロボット・リセットでは9.47%となった。 これらの結果から,組合せ一般化には,第1段階の進行を信頼性の高い下流実行に変換するための堅牢な原子技術が必要であることが示唆された。 コード:https://github.com/AutoLab-SAI-SJTU/RoboCombine

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)
• $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation [51.05516457377339]
  ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。 計算スケーリング可能な推論問題として高レベルサブタスク生成を定式化する階層型ロボット基盤モデルである$_0$-VLAを導入する。 低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。
  論文  参考訳（メタデータ） (2026-08-17T17:59:11Z)
• Toward Skill-Native LLMs: Skill Entropy for Benchmarking and Training Long-Horizon Reasoning [72.09826781730662]
  ロングホライゾン推論は、モデルが推論チェーン内の異なるスキルを切り替えることを要求する。 スキル・エントロピー(Skill Entropy)とは、あるスキルから別のスキルに切り替えることの難しさを測る尺度である。 本稿では,RLフレームワークであるSkill-Entropy RLを提案する。
  論文  参考訳（メタデータ） (2026-08-05T17:57:16Z)
• Task-Differentiated Atomic Skill Expansion and Routing for Continual Learning Across Highly Heterogeneous Tasks [15.331986169435893]
  連続学習(CL)は、シーケンシャルなタスクが意味的に関連しているか構造的に類似しているという仮定の下で一般的に研究されている。 textttTASERは、各タスクに導入すべき新しいアトミックスキルの数とアクティベートするスキルを決定するフレームワークである。 textttのHeteroCLBenchの実験によると、TextttTASERは可塑性を改善して破滅的な忘れを減らし、強いベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-06-19T10:41:30Z)
• Atomic-Probe Governance for Skill Updates in Compositional Robot Policies [15.314555403098318]
  スキルが置き換えられると、構成結果がどのように変化するかを分析する。 提案手法は原子品質プローブとハイブリッドセレクタで, スキルごとのプローブと選択合成の検証を組み合わせたものである。 原子品質調査は、私たちの知る限り、構成ロボットポリシーにおけるスキル更新管理のための第一原理で、デプロイ可能なプリミティブです。
  論文  参考訳（メタデータ） (2026-04-29T13:56:11Z)
• AtomicVLA: Unlocking the Potential of Atomic Skill Learning in Robots [92.18094199070693]
  現実世界のロボットタスクは、長い水平、多段階の問題解決を伴い、継続的なスキル獲得のために一般化を必要とすることが多い。 我々は、タスクレベルの計画、アトミックスキルの抽象化、きめ細かいアクションを共同で生成する統合計画実行フレームワークAtomicVLAを提案する。 シミュレーションでは、AtomicVLAはLIBEROで$_0$2.4%、LIBERO-LONGで10%、CALVINで$_0$と$_0.5$0.22、平均タスク長0.25よりパフォーマンスが良い。
  論文  参考訳（メタデータ） (2026-03-08T14:18:56Z)
• Learning Semantic Atomic Skills for Multi-Task Robotic Manipulation [34.73582639920571]
  AtomSkillは、新しいマルチタスク模倣学習フレームワークである。 構成可能なロボット操作のために構造化された原子スキルスペースを学習し活用する。 さまざまな操作タスクにまたがって、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2025-12-20T13:46:08Z)
• Adversarial Skill Chaining for Long-Horizon Robot Manipulation via Terminal State Regularization [65.09725599705493]
  過大な初期状態分布を伴わずに複数のポリシーをチェーンすることを提案する。 家具組立における2つの複雑な長軸操作タスクに対するアプローチを評価する。 提案手法は,これらの課題を解くためのモデルなし強化学習アルゴリズムを確立した。
  論文  参考訳（メタデータ） (2021-11-15T18:59:03Z)
• Example-Driven Model-Based Reinforcement Learning for Solving Long-Horizon Visuomotor Tasks [85.56153200251713]
  長軸ビズモータタスクの完了に適したプリミティブスキルを学習するためのモデルベースRL手法EMBRを紹介する。 フランカ・エミカのロボットアームでは、EMBRによってロボットは85%の成功率で3つの長い水平視運動タスクを完了できることがわかった。
  論文  参考訳（メタデータ） (2021-09-21T16:48:07Z)

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。