論文の概要: Steertuning Policies from a Few Human Videos

• arxiv url: http://arxiv.org/abs/2610.18711v1
• Date: Tue, 13 Oct 2026 16:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.687623
• Title: Steertuning Policies from a Few Human Videos
• Title（参考訳）: 人間の動画で見るステアリング・ポリシー
• Abstract要約: Steertuningは、ロボットが5歳未満の人間による5つのデモから新しい環境で新しいタスクを学習することを可能にするシステムだ。 データ収集から新しいタスク、ロボットポリシーのデプロイメントに至るまで、プロセス全体の時間は5分未満だ。
• 参考スコア（独自算出の注目度）: 14.594153765630963
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current recipes for robot learning require massive amounts of robot demonstrations to obtain robust and adaptive policies. In this work, we introduce Steertuning, a system that enables robots to learn new tasks in new environments from 5 human demonstrations in under 5 Steertuning consists of two parts. (1) We pretrain a 400M-parameter diffusion policy on our egocentric human dataset, which consists of 100 hours of densely annotated random interactions. This pretraining makes Steertuning robust to background differences and enables spatial and object generalization when deployed on new tasks. (2) Given 5 demonstrations of a new task, we finetune our model for only 2 minutes (2000 training updates) and steer the policy's actions during reverse sampling using the demonstration whose observation is closest to that of the deployment environment. Together with a carefully designed data processing pipeline for embodiment transfer, this enables Steertuning to achieve a 71% success rate across 12 tasks in 12 new environments, ranging from lab settings to kitchens in new homes. The entire process, from data collection for a new task to robot policy deployment, takes less than 5 minutes. Our full dataset, model weights, codebase, and robot videos will be made available at our website: https://steertuning.github.io.
• Abstract（参考訳）: ロボット学習の現在のレシピは、堅牢で適応的なポリシーを得るために大量のロボットデモを必要とする。 本研究では,ロボットが新しい環境で新しいタスクを学習できるようにするシステムであるSteertuningを紹介する。 1)本研究は,100時間にわたる密接な注釈付きランダム相互作用からなる自我中心型人文データセット上で,400Mパラメータ拡散ポリシーを事前訓練する。 この事前トレーニングにより、Steertuningはバックグラウンドの違いに対して堅牢になり、新しいタスクにデプロイする際の空間的およびオブジェクトの一般化を可能にする。 2)新作業の5つの実演を前提として,2分間(2000年トレーニング更新)のみモデルを微調整し,配置環境に最も近い実演を用いて,逆サンプリング時の方針の行動を把握した。 念入りに設計されたデータ処理パイプラインを使って、Steertuningは12のタスクにまたがって、12の新しい環境で71%の成功率を達成することができる。 データ収集から新しいタスク、ロボットポリシーのデプロイメントに至るまで、プロセス全体の時間は5分未満だ。 私たちの完全なデータセット、モデルウェイト、コードベース、ロボットビデオは、私たちのWebサイトで公開されます。

関連論文リスト

• From Foundation to Application: Improving VLA Models in Practice [62.1552185059214]
  3つの機能ドメインの改善を通じてLingBot-VLAを進化させるLingBot-VLA 2.0を提案する。 以前のバージョンと比較して、データ処理パイプラインを改訂し、事前トレーニングのために約6万時間のデータをキュレートします。 特に,本システムでは,頭部,腰,移動台,器用な手の自由度を考慮し,ロボットがより複雑なタスクを現実的なシナリオでこなせるようにしている。
  論文  参考訳（メタデータ） (2026-07-07T15:33:12Z)
• Tether: Autonomous Functional Play with Correspondence-Driven Trajectory Warping [44.348686148716894]
  構造化されたタスク指向インタラクションを含む自律型機能プレイ法であるTetherを紹介する。 まず、小さなソースのデモからアクションを警告する新しいオープンループポリシーを設計する。 第2に,タスク選択,実行,評価,改善の連続サイクルを通じて,現実の自律的機能プレイのためのこのポリシをデプロイする。
  論文  参考訳（メタデータ） (2026-03-03T18:59:07Z)
• Using Temperature Sampling to Effectively Train Robot Learning Policies on Imbalanced Datasets [3.342232437547785]
  ロボットタスクの多くのデータセットは、それらが表す物理的なロボット動作に関して、実質的に不均衡である。 この不均衡を緩和する政策訓練のための簡単なサンプリング戦略を提案する。 その結果,従来の最先端手法と比較して,低リソースタスクの大幅な改善が見られた。
  論文  参考訳（メタデータ） (2025-10-22T08:48:55Z)
• FLaRe: Achieving Masterful and Adaptive Robot Policies with Large-Scale Reinforcement Learning Fine-Tuning [74.25049012472502]
  FLaReは、堅牢な事前訓練された表現、大規模なトレーニング、勾配安定化技術を統合する大規模な強化学習フレームワークである。 提案手法は,タスク完了に向けた事前訓練されたポリシーを整列し,これまで実証され,全く新しいタスクや実施状況において,最先端(SoTA)のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-09-25T03:15:17Z)
• Robot Utility Models: General Policies for Zero-Shot Deployment in New Environments [26.66666135624716]
  ゼロショットロボットポリシーのトレーニングとデプロイのためのフレームワークであるロボットユーティリティモデル(RUM)を提案する。 RUMは微調整なしで新しい環境に一般化できる。 キャビネットドアのオープン、引き出しのオープン、ナプキンのピックアップ、紙袋のピックアップ、転倒物の再配向の5つのユーティリティモデルを訓練する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:50Z)
• 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)
• Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for Autonomous Real-World Reinforcement Learning [58.3994826169858]
  ロボット強化学習のためのリセット不要な微調整システムであるRoboFuMEを紹介する。 我々の洞察は、オフラインの強化学習技術を利用して、事前訓練されたポリシーの効率的なオンライン微調整を確保することである。 提案手法では,既存のロボットデータセットからのデータを組み込んで,目標タスクを3時間以内の自律現実体験で改善することができる。
  論文  参考訳（メタデータ） (2023-10-23T17:50:08Z)
• Never Stop Learning: The Effectiveness of Fine-Tuning in Robotic Reinforcement Learning [109.77163932886413]
  本稿では,ロボットによるロボット操作ポリシーを,政治以外の強化学習を通じて微調整することで,新たなバリエーションに適応する方法を示す。 この適応は、タスクをゼロから学習するために必要なデータの0.2%未満を使用する。 事前訓練されたポリシーを適用するという私たちのアプローチは、微調整の過程で大きなパフォーマンス向上につながります。
  論文  参考訳（メタデータ） (2020-04-21T17:57:04Z)

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。