論文の概要: OneDemo: Unified Policy Learning and Data Generation from a Single Demonstration

• arxiv url: http://arxiv.org/abs/2610.18188v1
• Date: Tue, 13 Oct 2026 11:27:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:59:07.812319
• Title: OneDemo: Unified Policy Learning and Data Generation from a Single Demonstration
• Title（参考訳）: OneDemo: 単一デモからの統一されたポリシ学習とデータ生成
• Abstract要約: 我々は、新しいタスク設定のための単一の成功例を編集することを学ぶ強化学習フレームワークであるOneDemoを紹介した。 15のMeta-Worldタスクの中で、OneDemoは平均53.7k環境相互作用において92.7%の成功率に達した。 生成されたデータに基づいてトレーニングされたBC-RNNポリシーは、マッチしたデータセットスケールで平均99.6%の成功を達成した。
• 参考スコア（独自算出の注目度）: 25.70925818248966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning robot policies from demonstrations is often limited by the cost of collecting diverse, high-quality expert data. While an appealing alternative is to expand a single successful demonstration into a diverse set of successful trajectories, existing augmentation methods typically rely on manually designed transformation rules or complex trajectory planning, requiring substantial task-specific engineering and human effort. We introduce OneDemo, a reinforcement learning framework that learns to edit a single successful demonstration for new task configurations. We formulate demonstration editing as a structured reinforcement learning problem, in which an editor learns, from sparse task-success rewards, both when to transition between object-centric trajectory segments and how to geometrically adapt each segment. The learned editor serves both as a task policy and as a reusable demonstration generator. Across 15 Meta-World tasks, OneDemo reaches a 92.7% success rate within 53.7k environment interactions on average. Across 9 DexMimicGen tasks, it generates successful demonstrations with a 98.4% average success rate, and BC-RNN policies trained on the generated data achieve 99.6% average success at matched dataset scale. These results show that learning to edit a single successful demonstration provides a structured and effective basis for both policy learning and scalable demonstration generation.
• Abstract（参考訳）: デモからロボットポリシーを学ぶことは、多種多様な高品質な専門家データを集めるコストによって制限されることが多い。 魅力的な代替手段は、単一の成功例を様々な成功例に拡張することであるが、既存の拡張手法は手動で設計された変換ルールや複雑な軌道計画に依存しており、相当なタスク固有のエンジニアリングと人的努力を必要としている。 我々は、新しいタスク設定のための単一の成功例を編集することを学ぶ強化学習フレームワークであるOneDemoを紹介した。 本稿では,対象中心の軌道セグメント間の遷移と各セグメントの幾何学的適応の両面から,編集者が疎度なタスク・サクセス報酬から学習する構造化強化学習問題として,実演編集を定式化する。 学習したエディタはタスクポリシと再利用可能なデモジェネレータの両方として機能する。 15のMeta-Worldタスクの中で、OneDemoは平均53.7k環境相互作用において92.7%の成功率に達した。 9つのDexMimicGenタスク全体で、98.4%の平均的な成功率で成功したデモを生成し、生成されたデータに基づいてトレーニングされたBC-RNNポリシーは、マッチしたデータセットスケールで99.6%の平均的な成功を達成する。 これらの結果は、単一の成功例を編集する学習は、ポリシー学習とスケーラブルな実演生成の両方において、構造化された効果的な基礎を提供することを示している。

関連論文リスト

• KnowDemo: Knowledge-Guided Robot Demonstration Generation from Human Videos [4.5624618494435705]
  KnowDemoは、人間のビデオから構造化された操作知識を使用して、多様なロボットデモを生成するフレームワークである。 政策学習のために生成したデータを検証し,3つのタスクにまたがるシム・トゥ・リアル・トランスファーを実現する。
  論文  参考訳（メタデータ） (2026-09-18T02:19:13Z)
• Missing Bridges: Composition-Aware Active Imitation Learning [30.957721433554653]
  本稿では,アダプティブエージェントを遅延トポロジ(AALT)経由で導入する。 AALTは既存のデモを学習行動によって接続された潜在ハブ状態のトポロジに整理し、一度に多くのタスクを実行できる可能性のある高価値ブリッジのデモを特定し、それぞれをエキスパートクエリにグラウンドする。
  論文  参考訳（メタデータ） (2026-09-16T01:48:13Z)
• Curating Demonstrations using Online Experience [52.59275477573012]
  また,Demo-SCOREは手作業によるキュレーションを伴わずに,効果的に準最適動作を識別できることが示唆された。 Demo-SCOREは、全てのオリジナルのデモンストレーションで訓練された基本方針と比較して、結果のポリシーにおいて15～35%以上の絶対的な成功率を達成する。
  論文  参考訳（メタデータ） (2025-03-05T17:58:16Z)
• Learning from 10 Demos: Generalisable and Sample-Efficient Policy Learning with Oriented Affordance Frames [10.738838923944876]
  既存の方法は、タスクのバリエーションをカバーするために、かなりの数のデモを必要とする。 我々は、状態空間と行動空間の構造化表現である指向性アプライアンスフレームを導入する。 この抽象化によって、独立に訓練されたサブ政治の構成的一般化が可能となることを示す。 本手法は実世界の3つのタスクにまたがって検証し,多段階多目的インタラクションを必要とする。
  論文  参考訳（メタデータ） (2024-10-15T23:57:35Z)
• AdaDemo: Data-Efficient Demonstration Expansion for Generalist Robotic Agent [75.91274222142079]
  本研究では,汎用ロボットエージェントの学習を容易にするために,データ効率のよい方法で実演をスケールアップすることを目的とする。 AdaDemoは、デモデータセットを積極的に継続的に拡張することで、マルチタスクポリシー学習を改善するように設計されたフレームワークである。
  論文  参考訳（メタデータ） (2024-04-11T01:59:29Z)
• MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations [55.549956643032836]
  MimicGenは、少数の人間のデモから大規模でリッチなデータセットを自動的に合成するシステムである。 ロボットエージェントは,この生成したデータセットを模倣学習により効果的に訓練し,長期的・高精度なタスクにおいて高い性能を達成することができることを示す。
  論文  参考訳（メタデータ） (2023-10-26T17:17:31Z)
• Bottom-Up Skill Discovery from Unsegmented Demonstrations for Long-Horizon Robot Manipulation [55.31301153979621]
  我々は,実世界の長距離ロボット操作作業に,スキル発見による取り組みを行う。 未解決のデモンストレーションから再利用可能なスキルのライブラリを学ぶためのボトムアップアプローチを提案する。 提案手法は,多段階操作タスクにおける最先端の模倣学習手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-09-28T16:18:54Z)
• Learning Adaptable Policy via Meta-Adversarial Inverse Reinforcement Learning for Decision-making Tasks [2.1485350418225244]
  Meta- LearningとAdversarial Inverseforcement Learningを統合した適応型模倣学習モデルを構築します。 敵対的学習と逆強化学習メカニズムを利用して、利用可能なトレーニングタスクからポリシーと報酬機能を同時に学習します。
  論文  参考訳（メタデータ） (2021-03-23T17:16:38Z)
• Visual Imitation Made Easy [102.36509665008732]
  本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。 我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。 我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
  論文  参考訳（メタデータ） (2020-08-11T17:58:50Z)

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。