論文の概要: Imagining Goals with Geometric Horizon Models for Policy Generalization

• arxiv url: http://arxiv.org/abs/2610.19129v1
• Date: Tue, 13 Oct 2026 20:02:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.779486
• Title: Imagining Goals with Geometric Horizon Models for Policy Generalization
• Title（参考訳）: 政策一般化のための幾何学的水平モデルによるゴールの想像
• Abstract要約: 本稿では、幾何学的地平線モデルからサンプルを抽出し、新しい結果を直接想像できるTD-Augを提案する。 目標条件付きBCポリシーの目標としてのこれらの将来の成果に対するトレーニングは、縫合型OGBenchタスクの一般化を著しく改善することを示した。
• 参考スコア（独自算出の注目度）: 21.414958820570508
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Training from offline data has allowed for substantial progress in domains such as robotics, leading to general-purpose policies that can be easily applied zero-shot or efficiently finetuned for downstream tasks. However, these policies can still have poor generalization, both due to the choice of modeling objective and from learning from a static dataset. In this work, we focus on the challenging task of zero-shot goal generalization, where a policy is evaluated on unseen tasks that require combining its existing knowledge (compositional generalization). An avenue for improving a policy's generalization is by generating new experience with world models; however, such generation has proven difficult for longer horizons. Thus, to alleviate this issue, we propose TD-Aug, which samples from a geometric horizon model and allows for directly imagining novel outcomes that can be achieved by composing existing knowledge. We demonstrate that training on these future outcomes as goals for goal-conditioned BC policies significantly improves generalization in stitching-based OGBench tasks.
• Abstract（参考訳）: オフラインデータからのトレーニングは、ロボティクスなどの領域で大幅に進歩し、ゼロショットや下流タスクに効率的に微調整できる汎用的なポリシーにつながった。 しかし、これらのポリシーは、モデリング対象の選択と静的データセットからの学習の両方のため、依然として一般化が不十分である。 本研究では,ゼロショット目標一般化の課題に焦点をあて,既存の知識(構成的一般化)を組み合わせる必要のある未確認タスクに対して政策を評価する。 政策の一般化を改善するための道は、世界モデルで新しい経験を生み出すことである。 そこで,この問題を緩和するために,幾何学的地平線モデルから抽出したTD-Augを提案する。 目標条件付きBCポリシーの目標としてのこれらの将来の成果に対するトレーニングは、縫合型OGBenchタスクの一般化を著しく改善することを示した。

関連論文リスト

• Robust Finetuning of Vision-Language-Action Robot Policies via Parameter Merging [53.41119829581115]
  大規模で多様なデータセットに基づいて訓練された汎用ロボットポリシーは、一般化する能力を実証している。 トレーニングデータに含まれていない新しいタスクにはまだ不足しています。 本研究では,ファインタニング時の一般政策の一般化能力を保全する手法を開発した。
  論文  参考訳（メタデータ） (2025-12-09T08:02:11Z)
• Zero-Shot Whole-Body Humanoid Control via Behavioral Foundation Models [71.34520793462069]
  教師なし強化学習(RL)は、複雑な環境下で幅広い下流タスクを解くことができる事前学習エージェントを目標としている。 本稿では,ラベルのない行動データセットからトラジェクトリを模倣するための,教師なしRLの正規化アルゴリズムを提案する。 我々は,この手法の有効性を,挑戦的なヒューマノイド制御問題において実証する。
  論文  参考訳（メタデータ） (2025-04-15T10:41:11Z)
• Foundation Policies with Hilbert Representations [54.44869979017766]
  ラベルなしオフラインデータから一般ポリシーを事前学習するための教師なしフレームワークを提案する。 我々の重要な洞察は、基盤となる環境の時間的構造を保存する構造的表現を学習することである。 実験の結果、教師なしのポリシーは、ゴール条件付きおよび一般のRLタスクをゼロショットで解決できることがわかった。
  論文  参考訳（メタデータ） (2024-02-23T19:09:10Z)
• Planning to Practice: Efficient Online Fine-Tuning by Composing Goals in Latent Space [76.46113138484947]
  汎用ロボットは、現実世界の非構造環境において困難なタスクを完了するために、多様な行動レパートリーを必要とする。 この問題に対処するため、目標条件強化学習は、コマンド上の幅広いタスクの目標に到達可能なポリシーを取得することを目的としている。 本研究では,長期的課題に対する目標条件付き政策を実践的に訓練する手法であるPlanning to Practiceを提案する。
  論文  参考訳（メタデータ） (2022-05-17T06:58:17Z)

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。