論文の概要: ReEnvision: Future-Guided Selective Action Repair for Long-Horizon Manipulation
- arxiv url: http://arxiv.org/abs/2610.17977v2
- Date: Wed, 14 Oct 2026 06:11:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.564852
- Title: ReEnvision: Future-Guided Selective Action Repair for Long-Horizon Manipulation
- Title（参考訳）: ReEnvision: 長距離マニピュレーションのための将来誘導型選択的動作修復
- Abstract要約: 長距離ロボット操作は、相互依存的な動作のシーケンスに対して堅牢な実行を必要とする。
本稿では,将来的な行動修正フレームワークであるReEnvisionを提案する。
結果として生じる信念の改訂により、キャッシュされたアクションチャンク内の影響を受けるアクションのみを選択的に修復し、有効なアクションを保存し、厳密な逸脱のために完全なリプランを維持できる。
- 参考スコア（独自算出の注目度）: 8.995153052359873
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Long-horizon robotic manipulation requires robust execution over sequences of interdependent actions. Existing methods typically handle execution deviations by replanning the remaining action chunk or correcting actions step by step as new observations arrive. However, a local deviation may affect only a few actions under distribution shift, yet replanning regenerates the entire chunk from an unfamiliar state, potentially introducing errors into otherwise valid actions. Step-wise correction may react too late, as it does not explicitly anticipate how the deviation affects subsequent actions. We propose ReEnvision, a future-guided selective action repair framework that updates a joint future-action belief using execution feedback. It then learns how the resulting belief revision affects each unexecuted action. The resulting belief revision enables selective repair of only the affected actions within a cached action chunk, preserving valid actions and reserving full replanning for severe deviations. On CALVIN, L-CALVIN, and RLBench, ReEnvision achieves 86.6% 5-step success, improves 10-step success from 56% to 63%, and reaches an average success rate of 88.8%, respectively. On five real-world manipulation tasks, it achieves an average success rate of 82.8%. Controlled repair experiments further demonstrate the benefits of localizing affected actions and preserving valid ones during execution.
- Abstract（参考訳）: 長距離ロボット操作は、相互依存的な動作のシーケンスに対して堅牢な実行を必要とする。
既存のメソッドは、通常、残りのアクションチャンクを計画したり、新しい観察が到着するとステップバイステップでアクションを修正することで、実行逸脱を処理する。
しかし、局所的な偏差は、分布シフト中のいくつかのアクションにのみ影響するかもしれないが、再計画は、不慣れな状態からチャンク全体を再生し、他の有効なアクションにエラーをもたらす可能性がある。
ステップワイズ補正は、偏差がその後の行動にどのように影響するかを明示的に予測しないため、遅すぎる可能性がある。
本稿では,将来的な行動修正フレームワークであるReEnvisionを提案する。
そして、結果の信念修正が、実行されていない各アクションにどのように影響するかを学ぶ。
結果として生じる信念の改訂により、キャッシュされたアクションチャンク内の影響を受けるアクションのみを選択的に修復し、有効なアクションを保存し、厳密な逸脱のために完全なリプランを維持できる。
CALVIN、L-CALVIN、RLBenchでは、ReEnvisionは86.6%の5段階の成功を達成し、10段階の成功を56%から63%に改善し、平均成功率は88.8%に達した。
5つの実世界の操作タスクにおいて、平均的な成功率は82.8%に達する。
制御された修復実験は、影響を受けるアクションをローカライズし、実行中に有効なアクションを保存する利点をさらに示す。
関連論文リスト
- RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。
適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。
LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
論文 参考訳（メタデータ） (2026-10-08T15:49:03Z) - Future Anchored Verification and Online Recovery for World Action Models [50.72957480806238]
世界アクションモデル(WAM)は、ロボット操作のための有望なパラダイムとして登場した。
我々は、WAMが行動する前に予測した未来が、通過する意図のある状態を正確に表現しているのを観察する。
予測フレームをアンカーとして保持し,検証とリカバリに使用する軽量フレームワークであるFAVORを紹介する。
論文 参考訳（メタデータ） (2026-10-05T13:08:58Z) - Credit-Guided Policy Improvement for Test-time Adaptive Vision-Language Navigation [53.30116823667751]
視覚言語ナビゲーションのためのテスト時適応(TTA-VLN)により、事前訓練されたポリシーは、目に見えない環境にオンラインで適応できる。
分散シフトは、局所的な行動選好を歪め、オフコース決定につながる可能性がある。
我々は,行動誘発観察遷移から署名付き参照関連決定クレジットを回収する信用誘導政策改善(CGPI)を提案する。
論文 参考訳（メタデータ） (2026-09-29T13:46:11Z) - Staircase Policy: Streaming Inference for World-Action Models with Large Action Chunks [11.787582554335886]
アクションチャンキングは、複数のアクションに対してこのコストを減らしますが、後のアクションは、古い観測で条件付けられているため、長い実行地平線上でパフォーマンスが低下します。
本稿では,フローマッチングVLAをJEPAスタイルのWAMに変換するストリーミング推論およびトレーニングフレームワークであるSTAIRCASE POLICYを紹介する。
S-WAMは、LIBEROで97.7%、LIBERO-Plusで87.9%を達成し、複数のポリシーバックボーンと実ロボットタスクのパフォーマンスを改善している。
論文 参考訳（メタデータ） (2026-09-29T01:32:04Z) - CereVLA: Cerebellum-Inspired Consequence-Aware Residual Governance for Efficient Vision-Language-Action Execution [53.635273213001796]
アクションチャンクされた視覚言語アクション(VLA)ポリシーは推論効率を改善するが、コミットされたアクションチャンク内の限られたフィードバックは、実行エラーの蓄積につながる。
本稿では,軽量残効改善と予測結果評価を冷凍VLA実行に統合した統合フレームワークであるCereVLAについて述べる。
論文 参考訳（メタデータ） (2026-09-23T07:30:58Z) - ActFovea: Runtime Safeguarding for VLA Policies via Spatiotemporal Visual-Action Consistency [23.6841289206823]
視覚言語アクション(VLA)ポリシーは、ロボット操作において強力なパフォーマンスを達成する。
それらは、視覚的な観察、ロボットの状態、実行中の動作の時間的アライメントを損なうランタイム障害に対して脆弱である。
本稿では,ActFoveaについて紹介する。ActFoveaは,VLAポリシーの再トレーニングや修正を行うことなく,そのような障害を検出し緩和する,プラグアンドプレイのセーフガードフレームワークである。
論文 参考訳（メタデータ） (2026-07-31T08:47:57Z) - CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation [15.532709298240215]
視覚言語アクション(VLA)ポリシーは、オープンループアクションチャンクを通じて長距離移動操作を実行する。
本稿では、個別に訓練されたフリーズされた行動条件付き世界モデルを用いて実行を検証するCheckVLAを提案する。
RoboCasa365では、一般的なトレーニングレシピと一致した呼び出し予算の下で、CheckVLAの平均成功率は36.1%であり、定期的なリプランでは27.6%である。
論文 参考訳（メタデータ） (2026-07-29T11:31:33Z) - When Actions Go Off-Task: Detecting and Correcting Misaligned Actions in Computer-Use Agents [50.5814495434565]
この研究は、コンピュータ利用エージェント(CUA)における不整合検出を定義し、研究する最初の試みである。
実世界のCUAデプロイメントにおける3つの一般的なカテゴリを特定し、人間の注釈付きアクションレベルのアライメントラベルを用いたリアルな軌跡のベンチマークであるMisActBenchを構築した。
本稿では,実行前に不整合を検知し,構造化されたフィードバックによって繰り返し修正する,実用的で普遍的なガードレールであるDeActionを提案する。
論文 参考訳（メタデータ） (2026-02-09T18:41:15Z) - SABER: Small Actions, Big Errors -- Safeguarding Mutating Steps in LLM Agents [52.20768003832476]
我々は$$-Bench (Airline/Retail) および SWE-Bench Verified 上での実行トレースを分析する。
成功を失敗に戻すための、先進的な逸脱、最初期の行動、レベル分岐を形式化する。
モデルに依存しない,勾配のない,テスト時のセーフガードである cm を導入します。
論文 参考訳（メタデータ） (2025-11-26T01:28:22Z) - Rethinking Reward Miscalibration of GRPO in Agentic RL [18.495499496405635]
結果に基づく報酬は、これらの欠陥のある中間ステップに対して期待される負の優位性を保証することを示す。
我々は,善悪行為の埋め込みを分離するために,善悪行為を分類するアクターの訓練を提案する。
論文 参考訳（メタデータ） (2025-09-28T13:24:38Z)
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。