論文の概要: What Matters in Quality-Aware VLA Pretraining: A Benchmark and Empirical Study

• arxiv url: http://arxiv.org/abs/2610.18869v1
• Date: Tue, 13 Oct 2026 17:59:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.720418
• Title: What Matters in Quality-Aware VLA Pretraining: A Benchmark and Empirical Study
• Title（参考訳）: 品質を意識したVLA事前学習で何が重要か:ベンチマークと実証的研究
• Abstract要約: AXIS-Benchはクラウドソースによるシミュレーションのデモに基づいて構築されている。 記録されたオブジェクトとコンタクト状態を提供し、共有軌跡上の品質ラベルを再計算する。 実世界の実験では、シミュレーション事前トレーニングは9.6%から31.7%に向上した。
• 参考スコア（独自算出の注目度）: 80.56555023711842
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How should demonstration quality be used during vision-language-action (VLA) pretraining to improve performance after target-task fine-tuning? We compare weighting, filtering, and conditioning across reward definitions and label granularities using 5,000 naturally suboptimal human demonstrations and 24 target tasks. Within each VLA, we match demonstrations and training budgets. Additional comparisons examine pretraining data size and the roles of quality tags during fine-tuning and inference. Across three VLAs, we find that approach-aware episode conditioning improves mean success over plain behavioral cloning; conditioning and filtering favor episode and chunk labels, respectively, on average, with model-dependent reversals; and constant-tag fine-tuning improves mean success after conditioned pretraining with either tagged or untagged inference. We introduce AXIS-Bench to support these controlled comparisons. Built on crowdsourced simulation demonstrations, it provides recorded object and contact states for recomputing quality labels on shared trajectories. Replayable trajectories support workspace-aligned rendering and user-defined real-world target tasks. In our real-world experiment, simulation pretraining raises success from 9.6\% to 31.7\%. Project page: https://axis-bench.github.io/.
• Abstract（参考訳）: 視覚言語行動(VLA)プレトレーニングにおいて、ターゲットタスクの微調整後のパフォーマンス向上のために、デモ品質をどのように使うべきか? 我々は,5000件の人間実験と24件の目標タスクを用いて,報酬定義の重み付け,フィルタリング,条件付けを比較した。 各VLAでは、デモやトレーニング予算にマッチします。 追加比較では、微調整および推論時の事前学習データサイズと品質タグの役割について検討する。 3つのVLAにおいて、アプローチ対応エピソードコンディショニングは、平易な行動クローンよりも平均的な成功を向上し、平均的には、モデル依存の逆転で、条件付けとフィルタリングが好ましくないエピソードとチャンクラベルをそれぞれ改善し、定数タグの微調整は、タグ付きまたはタグなし推論で条件付きプレトレーニング後の平均的な成功を向上する。 制御された比較をサポートするためにAXIS-Benchを導入する。 クラウドソースによるシミュレーションのデモに基づいて構築され、記録されたオブジェクトとコンタクト状態を提供し、共有軌跡上の品質ラベルを再計算する。 リプレイ可能なトラジェクトリはワークスペース整列レンダリングとユーザ定義の現実世界のターゲットタスクをサポートする。 実世界の実験では、シミュレーション事前学習は9.6\%から31.7\%に向上する。 プロジェクトページ: https://axis-bench.github.io/.com

関連論文リスト

• Efficient and Context-Aware Label Propagation for Zero-/Few-Shot Training-Free Adaptation of Vision-Language Model [41.55165760439727]
  視覚言語モデル(VLM)は、さまざまな下流タスクに取り組むために、トレーニング済みの大きなモデルを活用することで、機械学習に革命をもたらした。 ラベル効率適応と推論のためのグラフベースの手法を提案する。 提案手法は,テキストプロンプト,少数ショット例,テストサンプルのグラフを動的に構築する。
  論文  参考訳（メタデータ） (2024-12-24T09:15:00Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• Helping Hands: An Object-Aware Ego-Centric Video Recognition Model [60.350851196619296]
  オブジェクト認識デコーダを導入し、エゴ中心の動画におけるエゴ中心の表現の性能を向上させる。 このモデルは,エゴ認識ビデオモデルの代替として機能し,視覚テキストのグラウンド化による性能向上を図っている。
  論文  参考訳（メタデータ） (2023-08-15T17:58:11Z)
• Re-Evaluating LiDAR Scene Flow for Autonomous Driving [80.37947791534985]
  自己教師型LiDARシーンフローの一般的なベンチマークは、動的動き、非現実的な対応、非現実的なサンプリングパターンの非現実的な速度を持つ。 実世界のデータセットのスイート上で,トップメソッドのスイートを評価する。 学習に重点を置いているにもかかわらず、ほとんどのパフォーマンス向上は前処理と後処理のステップによって引き起こされる。
  論文  参考訳（メタデータ） (2023-04-04T22:45:50Z)
• CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
  知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。 本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。 本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T15:22:01Z)
• Transfer of Representations to Video Label Propagation: Implementation Factors Matter [31.030799003595522]
  特徴抽出とラベル伝搬における重要な実装要因の影響について検討する。 映像ベースの通信手段を静止画像ベースで拡張することで、さらなる性能向上が期待できることを示す。 本研究は, 評価実践の改善と, 時間的対応における今後の研究方向性の報知に役立つことを期待する。
  論文  参考訳（メタデータ） (2022-03-10T18:58:22Z)
• How Useful is Self-Supervised Pretraining for Visual Tasks? [133.1984299177874]
  我々は、総合的な合成データセットと下流タスクにまたがる様々な自己教師付きアルゴリズムを評価する。 我々の実験は、利用可能なラベルの数が増えるにつれて、セルフスーパービジョンの有用性がどう変化するかについての洞察を提供する。
  論文  参考訳（メタデータ） (2020-03-31T16:03:22Z)

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。