論文の概要: EqC: Equilibrium Energy Control for Introspective Lifelong Robot Learning

• arxiv url: http://arxiv.org/abs/2610.18790v1
• Date: Tue, 13 Oct 2026 17:39:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:50:23.407057
• Title: EqC: Equilibrium Energy Control for Introspective Lifelong Robot Learning
• Title（参考訳）: EqC:イントロスペクティブ生涯学習のための平衡エネルギー制御
• Abstract要約: 本稿では,生涯ロボット学習のためのフレームワークであるEquilibrium Energy Controlを紹介する。 EqCは、生成的行動改善を平衡探索最適化として用いている。 このコンピテンス信号はエネルギーゲートDAggerを可能にし、持続的なエネルギー一貫性違反が専門家の乗っ取りを誘発する。
• 参考スコア（独自算出の注目度）: 33.18131311780641
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-term robot autonomy depends on more than effective action generation: a policy must recognize when its behavior is no longer sufficiently supported and use assistance to improve. We introduce Equilibrium Energy Control (EqC), a framework for introspective lifelong robot learning built around an explicit conditional energy landscape. EqC casts generative action refinement as equilibrium-seeking optimization, while the geometry of the refinement process reveals whether the generated behavior remains consistent with the learned landscape. This competence signal enables Energy-Gated DAgger, where persistent energy-consistency violations trigger expert takeover and the resulting recovery trajectories are aggregated for subsequent policy updates. EqC integrates naturally into both Diffusion Transformer policies and flow-matching-based vision-language-action (VLA) policies. Across simulation and real-world bimanual manipulation, EqC matches or improves control performance and robustness while enabling timely intervention near the policy's competence boundary. A real-world study further shows how these interventions progressively expand the range of situations handled autonomously, providing a practical path from static generative controllers toward self-improving robot systems.
• Abstract（参考訳）: 長期的なロボットの自律性は、効果的な行動生成以上のものに依存している。 本稿では,エキリビウム・エナジー・コントロール(EqC)について紹介する。 EqCは、生成的行動改善を平衡探索最適化として、一方、精製過程の幾何学は、生成された振る舞いが学習された景観と一致しているかどうかを明らかにする。 このコンピテンス信号はエネルギーゲートDAggerを可能にし、永続的なエネルギー一貫性違反によって専門家の乗っ取りが引き起こされ、その結果のリカバリトラジェクトリがその後のポリシー更新のために集約される。 EqCは、Diffusion Transformerポリシーとフローマッチングベースの視覚言語アクション(VLA)ポリシーの両方に自然に統合される。 シミュレーションと実世界の双方向操作を通じて、EqCはポリシーの能力境界付近でのタイムリーな介入を可能にしながら、制御性能と堅牢性を一致または改善する。 現実の研究では、これらの介入が自律的に処理される状況の範囲を徐々に拡大し、静的な生成制御から自己改善ロボットシステムへの実践的な道のりが示されています。

関連論文リスト

• Deep Reinforcement Learning for Robotic Manipulation under Distribution Shift with Bounded Extremum Seeking [42.278434352794676]
  強化学習はロボット操作において高い性能を示してきたが、テスト条件がトレーニング分布と異なる場合、学習ポリシーは性能が低下することが多い。 この制限は、特にプッシュ・アンド・ピック・アンド・プレイス(push and pick-and-place)のような、目標の変化、接触条件の変化、あるいはロボットのダイナミクスによって、推論時にシステムのアウト・オブ・ディストリビューションを駆動できるような、コンタクトリッチなタスクにおいて重要である。 本稿では,これらの条件下での堅牢性向上を図るために,強化学習と有界極限を組み合わせたハイブリッドコントローラについて検討する。
  論文  参考訳（メタデータ） (2026-04-01T16:59:01Z)
• Closed-Loop Action Chunks with Dynamic Corrections for Training-Free Diffusion Policy [52.106797722292896]
  我々は,チャンクベースのアクション生成とリアルタイム修正を統合した動的クローズドループ拡散ポリシーフレームワークDCDPを提案する。 動的PushTシミュレーションでは、DCDPは5%の計算しか必要とせず、再トレーニングなしに適応性を19%改善する。
  論文  参考訳（メタデータ） (2026-03-02T15:04:18Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning [61.38273866396522]
  ビジョン・ランゲージ・アクションモデルが汎用ロボット学習の強力なパラダイムとして登場した。 現在の手法は、シミュレーションや物理世界の展開に挑戦するには相変わらず適していない。 本稿では,VLA フレームワークのテスト時間強化学習について紹介する。
  論文  参考訳（メタデータ） (2026-01-11T01:51:30Z)
• EBT-Policy: Energy Unlocks Emergent Physical Reasoning Capabilities [41.02333103120137]
  Diffusion Policyのような生成モデルによってパラメータ化される暗黙のポリシーは、しばしば高い計算コスト、露出バイアス、不安定な推論ダイナミクスに悩まされる。 EBT-Policyという新しいエネルギベースのアーキテクチャを導入し、ロボットと現実世界の設定における中核的な問題を解決する。 EBT-Policyは、トレーニングや推論の計算を少なくしながら、拡散ベースのポリシーを一貫して上回る。
  論文  参考訳（メタデータ） (2025-10-31T15:21:05Z)
• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• Extending Group Relative Policy Optimization to Continuous Control: A Theoretical Framework for Robotic Reinforcement Learning [0.0]
  グループ相対政策最適化(GRPO)は、グループベースの優位性推定を通じて値関数依存を排除し、離散的な行動空間において有望であることを示す。 本稿では,GRPOを連続制御環境に拡張し,高次元行動空間における課題,スパース報酬,時間的ダイナミクスに対処する理論的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-07-25T05:25:40Z)
• Multi-Objective Reinforcement Learning for Energy-Efficient Industrial Control [0.6990493129893112]
  産業自動化は、環境やコストの制約と性能のバランスをとるためのエネルギー効率の高い制御戦略をますます要求している。 本研究では,クアンサーエアロ2の1自由度試験におけるエネルギー効率向上のための多目的強化学習(MORL)フレームワークを提案する。 予備実験では、ピッチトラッキングと省エネの間のトレードオフに対するエネルギーのペナルティ重量、アルファの影響について検討している。
  論文  参考訳（メタデータ） (2025-05-12T14:28:42Z)
• Dichotomy of Control: Separating What You Can Control from What You Cannot [129.62135987416164]
  政策の制御(行動)と政策の制御(環境)以外のメカニズムを分離する将来の条件付き教師あり学習フレームワークを提案する。 我々は,DoCが条件付入力と整合したポリシを出力し,学習したポリシを所望のハイリターン未来結果に条件付けすることで,高リターン行動が正しく引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-10-24T17:49:56Z)
• Enforcing Policy Feasibility Constraints through Differentiable Projection for Energy Optimization [57.88118988775461]
  本稿では,ニューラルポリシー内での凸操作制約を強制するために,PROF(Projected Feasibility)を提案する。 エネルギー効率の高い建築操作とインバータ制御の2つの応用についてPROFを実証する。
  論文  参考訳（メタデータ） (2021-05-19T01:58:10Z)

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。