論文の概要: Learning Navigation from Multimodal Demonstrations with Geometric Candidate Modes

• arxiv url: http://arxiv.org/abs/2610.20241v1
• Date: Wed, 14 Oct 2026 14:18:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.182135
• Title: Learning Navigation from Multimodal Demonstrations with Geometric Candidate Modes
• Title（参考訳）: 幾何学的候補モードを用いたマルチモーダルデモからのナビゲーション学習
• Abstract要約: ナビゲーションでは、代替手段は幾何学的原因を持ち、1つの観測から計算することができる。 本稿では、局所幾何学から候補モードを計算し、どのモードに従うかのデモから学習する階層型ニューラルネットワークポリシーを提案する。 シミュレーションでは、このポリシーはテストケースの95%以上で成功し、4つのオフライン学習ベースラインでは43%と20%、学習なしで同じモードを使用するTronでは79%と67%である。
• 参考スコア（独自算出の注目度）: 8.891357191365278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Offline navigation demonstrations are multimodal, because one observation often allows several valid actions, such as passing an obstacle on either side. Behavior cloning averages these actions, potentially leading to unsafe routes. Multimodal policies must discover the alternatives from the data, but similar states can lead to different routes whose current actions overlap. In navigation, the alternatives have a geometric cause and can be computed from one observation. We propose a hierarchical neural-network policy that computes candidate modes from local geometry and learns from demonstrations which mode to follow and how. A high-level policy selects a mode using the goal and its previous choice among a set of candidate modes, and a low-level policy turns it into an action. In simulation, the policy succeeds in over 95\% of seen and unseen test cases, compared with at most 43\% and 20\% for four offline learning baselines and 79\% and 67\% for a heuristic that uses the same modes without learning. The simulation-trained policy also transfers to a LimX Tron 1 bipedal robot.
• Abstract（参考訳）: オフラインナビゲーションのデモンストレーションはマルチモーダルであるため、一方の観察では、両側に障害物を通すなど、いくつかの有効な動作が許されることが多い。 振る舞いのクローン化はこれらのアクションを平均化し、潜在的に安全でないルートにつながる。 マルチモーダルポリシーは、データから代替手段を見つける必要があるが、同様の状態は、現在のアクションが重複する異なるルートにつながる可能性がある。 ナビゲーションでは、代替手段は幾何学的原因を持ち、1つの観測から計算することができる。 本稿では、局所幾何学から候補モードを計算し、どのモードに従うかのデモから学習する階層型ニューラルネットワークポリシーを提案する。 高レベルポリシーは、一連の候補モードの中で目標とその以前の選択を使用してモードを選択し、低レベルポリシーはそれをアクションに変換する。 シミュレーションでは、4つのオフライン学習ベースラインでは最大で 43\% と 20\% 、学習せずに同じモードを使用するヒューリスティックでは 79\% と 67\% である。 シミュレーション訓練されたポリシーは、LimX Tron 1の2足歩行ロボットにも転送される。

関連論文リスト

• RouteWeaver: Weaving Mode Selection and Execution into Unified LLM Routing [61.66262511310359]
  RouteWeaverは単一のLSMポリシ内にルーティングモードを統合する、統一的なルーティングフレームワークである。 我々は,モード選択とモード内実行のために,軌道レベルの優位性を分離したCOMET-GRPO(Coordinated Mode-Execution Training)を開発した。 RouteWeaverを数学、コーディング、知識、論理的推論、事実的リコールで評価する。
  論文  参考訳（メタデータ） (2026-10-14T07:33:05Z)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• Behavior Uncloning: Distilling Mode Redirection into Policy Weights without Inference-Time Steering [28.889110668832984]
  本稿では,ポリシーのロールアウトを望ましい行動モードにリダイレクトするMOREを提案する。 MoREは、当初の混合モードポリシーよりも平均デプロイメント成功率(SR)を44パーセント改善する。
  論文  参考訳（メタデータ） (2026-06-28T05:01:27Z)
• Understanding Multimodal Failure in Action-Chunking Behavioral Cloning [15.076534262991537]
  異なるマルチモーダルパラメータ化は異なる方法で失敗することを示す。 潜時変更可能なポリシでは、後続のプライアライゼーションによって、デプロイメント時間のサンプリングがより信頼性が向上する。 アクション空間生成ポリシーでは、マルチモーダリティはベース・ツー・アクション輸送の滑らかさによって制約される。
  論文  参考訳（メタデータ） (2026-05-21T13:45:28Z)
• Learning Policy Representations for Steerable Behavior Synthesis [80.4542176039074]
  マルコフ決定プロセス(MDP)を前提として,テスト時の行動ステアリングを促進するために,さまざまなポリシーの表現を学習する。 これらの表現は、セットベースアーキテクチャを用いて、様々なポリシーに対して均一に近似できることを示す。 変動生成法を用いてスムーズな潜伏空間を導出し,さらにコントラスト学習により、潜伏距離が値関数の差と一致するように形成する。
  論文  参考訳（メタデータ） (2026-01-29T21:52:06Z)
• Dense Policy: Bidirectional Autoregressive Learning of Actions [51.60428100831717]
  本稿では,行動予測における自己回帰的政策の新たなパラダイムを確立するために,Dense Policyと呼ばれる双方向拡張学習手法を提案する。 軽量なエンコーダのみのアーキテクチャを使用して、アクションシーケンスを初期単一フレームからターゲットシーケンスへ粗い方法で反復的に展開する。 実験により、我々の密集した政策は自己回帰学習能力に優れており、既存の全体的生成ポリシーを超越できることが示された。
  論文  参考訳（メタデータ） (2025-03-17T14:28:08Z)
• Diverse Controllable Diffusion Policy with Signal Temporal Logic [13.154661571539577]
  信号テンポラル論理(STL)と拡散モデルを用いて、制御可能で多様でルール対応のポリシーを学習する。 閉ループ試験では,本手法は最も多様性が高く,規則満足度が高く,衝突率も低い。 ヒトとロボットの遭遇シナリオに関するケーススタディは、我々のアプローチが多様かつ閉軌道の軌道を生成できることを示している。
  論文  参考訳（メタデータ） (2025-03-04T18:59:00Z)
• Learning on One Mode: Addressing Multi-modality in Offline Reinforcement Learning [9.38848713730931]
  オフライン強化学習は、環境と対話することなく、静的データセットから最適なポリシーを学習しようとする。 既存の方法は、しばしば一助的行動ポリシーを仮定し、この仮定が破られたとき、最適以下のパフォーマンスをもたらす。 本稿では,行動方針の単一かつ有望なモードから学習することに焦点を当てた新しいアプローチである,1モードでの模倣学習(LOM)を提案する。
  論文  参考訳（メタデータ） (2024-12-04T11:57:36Z)
• NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
  本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。 この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。 実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
  論文  参考訳（メタデータ） (2023-10-11T21:07:14Z)
• Learning Interactive Driving Policies via Data-driven Simulation [125.97811179463542]
  データ駆動シミュレータは、ポリシー学習の駆動に高いデータ効率を約束する。 小さな基盤となるデータセットは、インタラクティブな運転を学ぶための興味深い、挑戦的なエッジケースを欠いていることが多い。 本研究では,ロバストな運転方針の学習に塗装されたアドカーを用いたシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2021-11-23T20:14:02Z)

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。