論文の概要: ACRO: Actor-Critic Rollout Orchestration

• arxiv url: http://arxiv.org/abs/2610.19677v1
• Date: Wed, 14 Oct 2026 06:55:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.995121
• Title: ACRO: Actor-Critic Rollout Orchestration
• Title（参考訳）: ACRO: Actor-Critic Rollout Orchestration
• Abstract要約: 本稿ではActor-Criticロールアウトオーケストレーション層であるACROを紹介する。 ACROは、より有望な継続を提供する介入を求め、物理的に実現可能であり、タスクを完了するのに十分な時間を残します。 GR00T N1.7と$_0.5$のACROをSimplerEnv,RoboCasa,実ロボット操作で評価した。
• 参考スコア（独自算出の注目度）: 30.183950983648987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Executing a vision-language-action (VLA) policy involves deciding when to continue an attempt and when to intervene to improve its chances of success. We introduce ACRO, an Actor--Critic rollout orchestration layer that makes these decisions for a fixed VLA. ACRO seeks interventions that offer a more promising continuation, are physically feasible, and leave sufficient time to complete the task. A Critic learned from policy rollouts estimates success prospects to decide when to intervene and select a re-entry target along the executed trajectory. Trajectory Retraction shortcuts the visited path to return the robot to that target, where the same VLA resumes execution from a fresh observation. We evaluate ACRO with GR00T N1.7 and $π_{0.5}$ across SimplerEnv, RoboCasa, and real-robot manipulation. Under the same physical execution budget, including all return motion, ACRO improves success by 10.4, 7.3, and 21.7 percentage points, respectively. It also completes additional tasks as the execution budget grows. These results show that controlling when and where a policy resumes can turn its existing capabilities into more successful task executions. Project page: https://junhoo.me/acro
• Abstract（参考訳）: ヴィジュアル・ランゲージ・アクション(VLA)政策の実行には、いつ試行を続けるか、いつ介入して成功の可能性を改善するかを決めることが含まれる。 本稿では,Actor-CriticロールアウトオーケストレーションレイヤであるACROを紹介し,これらの決定を固定VLAで行う。 ACROは、より有望な継続を提供する介入を求め、物理的に実現可能であり、タスクを完了するのに十分な時間を残します。 ポリシーのロールアウトから学んだ批評家は、いつ介入するかを決め、実行された軌道に沿って再突入ターゲットを選択する成功確率を見積もる。 Trajectory Retractionは、訪れた経路をショートカットして、ロボットをそのターゲットに戻す。 GR00T N1.7 と $π_{0.5}$ の ACRO を SimplerEnv,RoboCasa,および実ロボット操作で評価した。 すべてのリターン動作を含む同じ物理的実行予算の下で、ACROは、それぞれ10.4、7.3、21.7のパーセンテージで成功している。 また、実行予算が増加するにつれて、追加のタスクも完了します。 これらの結果は、ポリシーがいつ、どこで再開されたかを制御することで、既存の機能をより成功したタスク実行に変換することができることを示している。 プロジェクトページ: https://junhoo.me/acro

関連論文リスト

• Graph-Reweighted Behavior Cloning with Human Interventions for Precise Robotic Manipulation [51.011712435458925]
  ロングホライゾンの精密な操作は、学習後の視覚-言語-アクションモデルのための混合品質データを生成する。 主要な課題は、不完全な軌道を均一にクローンしたり破棄したりするのではなく、どのアクションチャンクが実際にタスクを前進させるかを特定することである。 本稿では,タスク条件付き目標到達性グラフを構築するオフライン反復学習フレームワークGR-BCを提案する。
  論文  参考訳（メタデータ） (2026-10-14T17:09:36Z)
• RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
  本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。 適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
  論文  参考訳（メタデータ） (2026-10-08T15:49:03Z)
• SWAP: Stepwise Action Policy Routing for Vision-Language-Action Models [9.911838990557477]
  実行中に複数のVLAポリシーを動的に構成するフレームワークについて紹介する: StepWise Action Policy Routing (SWAP) SWAPは、現在の観察から、各決定ステップで最も適切なポリシーを選択するルーティング評論家を学ぶ。 実世界のDROID操作タスクとLIBEROシミュレーション実験の両方においてSWAPを評価する。
  論文  参考訳（メタデータ） (2026-10-03T00:12:20Z)
• Taming VLAs under Robot Execution Errors: Self-Compensation and Stress Testing [59.15715295478112]
  視覚言語アクション(VLA)ポリシーは、ロボットが実行した動作が命令された動作から逸脱した場合にしばしば失敗する。 本稿では,VLAポリシーがロボットの実行エラーを事前に補償できるデプロイ時適応手法である自己補償型VLAを提案する。
  論文  参考訳（メタデータ） (2026-09-29T12:08:13Z)
• ActionGround: Training-Free Runtime Refinement of Frozen VLA Policies [0.0]
  VLA(Vision-Language-Action)モデルは、視覚的な観察と言語指示を直接ロボットアクションにマッピングする。 本稿では,凍結したVLAポリシをラップした,ニューロシンボリックでトレーニング不要な実行層であるActionGroundを紹介する。 我々は,OpenVLA,OpenVLA-OFT,Force-VLA,Generalist-VLAの10種類のLIBERO-Spatial pick-and-placeタスクにおけるActionGroundの評価を行った。
  論文  参考訳（メタデータ） (2026-09-27T05:59:06Z)
• Stable and Efficient Real-World Online VLA Post-Training via Asynchronous Replay-Anchored Policy Improvement [60.83624556700821]
  本稿では,リプレイ動作における批評家とアクターの更新の両方を基盤として,ロールアウトと学習を同時に行うフレームワークを提案する。 RAPolicyを4つのシングルタスク設定と1つのジョイント5タスク設定で実世界で評価し,オンライントレーニングの予算は1～2時間に過ぎなかった。
  論文  参考訳（メタデータ） (2026-09-19T08:45:18Z)
• EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
  視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。 本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。 共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
  論文  参考訳（メタデータ） (2026-09-01T14:14:47Z)
• HCPG-Flow:Hierarchical Contact-Progress Guidance for Flow-Policy Robot Manipulation [9.264329455931271]
  HCPG-Flowは、SAC-Flowをオブジェクト中心のコンタクトプログレスガイダンスで強化する分析ロールアウト時セレクタである。 10のシミュレーションタスクでHCPGは、両方のベンチマークでSAC-Flowよりも平均的な成功を改善する。
  論文  参考訳（メタデータ） (2026-07-20T08:04:35Z)
• WatchAct: A Benchmark for Behavior-Grounded Robot Manipulation [49.31386176285509]
  WatchActは、観察された人間の行動に基づくロボット操作のベンチマークである。 WatchActは4つの機能ドメインで14タスクにわたる3,000のロングホライゾンインスタンスで構成されている。 シミュレーションとFranka Research 3ロボットの両方で、現在のシステムはWatchActの解決には程遠い。
  論文  参考訳（メタデータ） (2026-06-24T23:13:56Z)
• RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks [28.827331437876452]
  データ収集、ポリシー学習、タスク実行を単一のVLM駆動コントローラで統合するエージェントロボットフレームワークであるRoboClawを提案する。 ポリシーレベルでは、RoboClaw氏はEntangled Action Pairs(EAP)を紹介している。 デプロイ中、同じエージェントが高レベルの推論を行い、学習されたポリシープリミティブを動的にオーケストレーションして長期のタスクを遂行する。
  論文  参考訳（メタデータ） (2026-03-12T05:22:59Z)

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。