論文の概要: RESTA: Time-Scaling Augmentation for Data-Efficient Robot Imitation Learning
- arxiv url: http://arxiv.org/abs/2610.18163v1
- Date: Tue, 13 Oct 2026 11:07:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 07:03:43.495495
- Title: RESTA: Time-Scaling Augmentation for Data-Efficient Robot Imitation Learning
- Title（参考訳）: RESTA:データ効率の良いロボット模倣学習のための時間スケーリング強化
- Abstract要約: Reversal と Stride ベースの Trajectory Augmentation (RESTA) は、データ効率を改善するために、タイムスケーリングデータ拡張を利用する。
私たちは、RESTAが平均的な成功率78.4%と85.2%を達成したことを示しています。
- 参考スコア（独自算出の注目度）: 25.0249090840595
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robot manipulation policies trained through imitation learning commonly rely on costly demonstrations recorded in one task direction and at one temporal resolution. We propose Reversal and Stride-based Trajectory Augmentation (RESTA), which exploits time-scaling data augmentation to improve data efficiency through trajectory reversal and temporal resampling. Trajectory-reversal augmentation reverses and relabels demonstrations between paired tasks with opposite objectives, reusing recorded rollouts without additional environment interaction. Because contact-rich manipulation is not exactly reversible, we treat reversal as an approximate paired-task prior rather than a physical symmetry. Temporal-stride augmentation varies observation and action sampling strides and conditions the policy on the resulting offsets, enabling fixed or randomized temporal schedules. Experiments across 16 paired bimanual manipulation tasks show that trajectory reversal is particularly effective in the low-data regime and that temporal-stride augmentation improves success under randomized temporal schedules. With 25 and 50 independently collected demonstrations per task, RESTA achieves 78.4% and 85.2% average success, respectively, matching or exceeding baselines trained with twice as many demonstrations (77.3% and 85.4%). These results show that RESTA can improve data efficiency in robot imitation learning.
- Abstract（参考訳）: 模倣学習を通じて訓練されたロボット操作ポリシーは、通常、1つのタスク方向と1つの時間分解能で記録された高価なデモに依存する。
本稿では、時間スケーリングデータ拡張を利用してトラジェクショナル・トラジェクトリ・リサンプリングと時間的リサンプリングによるデータ効率を向上させるためのReversal and Strideベースのトラジェクトリ・アジュメンテーション(RESTA)を提案する。
トラジェクティブ-リバースオービメンテーションは、追加の環境相互作用なしに記録されたロールアウトを再利用し、反対の目的を持つペアタスク間のデモを逆転し、リラベルする。
接触リッチな操作は厳密には可逆的ではないので、逆転は物理対称性よりもむしろ近似的なペア・タスクとして扱う。
テンポラルストライドの増大は、観測とアクションサンプリングの進行と結果のオフセットに対するポリシーの条件を変え、固定またはランダム化された時間スケジュールを可能にする。
16対の双方向操作タスクに対する実験により、トラジェクトリ・リバーサルは低データ体制において特に有効であり、時間的ストライドの増大は、ランダム化された時間的スケジュール下での成功を改善することが示されている。
タスク毎に25と50の独立したデモを収集し、それぞれ78.4%と85.2%の平均的な成功を達成している。
これらの結果から,RESTAはロボット模倣学習におけるデータ効率を向上させることができることがわかった。
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) - Recova: Agent-Guided Failure Recovery for Autonomous Robotic Manipulation [104.46042352396563]
Recovaはエージェント誘導型フレームワークで、再構築されたデジタルツインでタスク実行とリカバリを共同で開発する。
双子では、エージェントは障害を診断し、修正プログラムをテストし、異なるポリシーのために正常なタスクとリカバリのロールアウトを収集する。
適切なリカバリが得られない場合、人間のデモによって障害が解決され、システムがリカバリ機能を拡張することができる。
論文 参考訳（メタデータ） (2026-10-01T06:52:05Z) - Behavior-Aligned Action Tokenization for Robot Policy Learning [9.37360970873363]
自己回帰型ロボットポリシーは、観察から個別のアクショントークンを予測することによって、継続的な制御を学習する。
本研究では,対応する動作チャンクを選択し,その量子化座標を再構成とともに整列させる行動適応型行動トークン化(BAAT)を提案する。
履歴条件付き拡散復号器はこれらのトークンから連続的なアクションチャンクを再構成し、下流の自己回帰ポリシーはそれらを予測することを学ぶ。
論文 参考訳（メタデータ） (2026-09-23T08:12:03Z) - STEAM: Self-Supervised Temporal Ensemble Advantage Modeling for Real-World Robot Learning [76.76959348575764]
政策学習には、信頼できる局所的な進歩と失敗と回帰を区別するフレームレベルのアドバンテージが必要です。
本稿では,専門家による実証からこのような利点を学習するラベルフリー手法であるSTEAM(Self-supervised Temporal Ensemble Advantage Modeling)を提案する。
論文 参考訳（メタデータ） (2026-06-29T06:19:35Z) - ATHENA: Accelerated Multi-Task Heterogeneous Influence Functions for Robot Data Curation [22.819734321192026]
影響関数は、ロボットタスクの結果に対する各デモンストレーションの効果を定量化する、原則化されたアプローチを提供する。
本稿ではマルチタスクVLAデータキュレーションに適した影響関数フレームワークであるAtheNAを提案する。
AtheNAはRandomTrncated Approximationで高密度ヘシアンを近似し、インバージョンで約313.4倍のスピードアップを達成する。
論文 参考訳（メタデータ） (2026-06-15T04:33:16Z) - Time Is a Feature: Exploiting Temporal Dynamics in Diffusion Language Models [57.474294329887236]
拡散大言語モデル (dLLMs) は反復的 denoising を通じてテキストを生成する。
現在のデコード戦略は、最終的な出力に有利なリッチな中間予測を捨てている。
時間的整合性を利用する2つの相補的手法を導入する。
論文 参考訳（メタデータ） (2025-08-12T17:59:57Z) - Time Reversal Symmetry for Efficient Robotic Manipulations in Deep Reinforcement Learning [11.07447878082744]
時間反転対称性(英: Time Reversal symmetric)は、ドアの開閉や閉鎖といったロボット工学のタスクでよく見られる時間対称性の一種である。
本稿では,時間反転対称性向上型深層強化学習(TR-DRL)を提案する。
RobosuiteベンチマークとMetaWorldベンチマークの大規模な実験は、TR-DRLがシングルタスクとマルチタスクの両方で有効であることを示した。
論文 参考訳（メタデータ） (2025-05-20T04:40:49Z)
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。