論文の概要: Graph-Reweighted Behavior Cloning with Human Interventions for Precise Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2610.20504v1
• Date: Wed, 14 Oct 2026 17:09:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.263606
• Title: Graph-Reweighted Behavior Cloning with Human Interventions for Precise Robotic Manipulation
• Title（参考訳）: 精密ロボットマニピュレーションのための人間の介入によるグラフ強調行動クローン
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 51.011712435458925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon precise manipulation produces mixed-quality data for post-training vision-language-action (VLA) models: even successful demonstrations and intervention-assisted rollouts may contain detours, hesitations, failed attempts, and imperfect recoveries. The key challenge is to identify which action chunks actually advance the task, rather than uniformly cloning or discarding imperfect trajectories. We propose Graph-Reweighted Behavior Cloning (GR-BC), an offline iterative post-training framework that builds a task-conditioned goal-reachability graph over demonstrations and iteratively collected rollouts, including both successful and failed episodes with human interventions. Reverse graph search computes minimal remaining steps to task success within the dataset support, and each action chunk is weighted by how much its execution reduces this potential. This consequence-based weighting reuses recoverable segments from failed trajectories, leverages interventions as recovery paths, and down-weights locally regressive chunks even inside successful trajectories. New rollouts are incorporated by appending them to the graph and rerunning search, without training a reward model, action-conditioned critic, or progress predictor. Across four precise manipulation tasks and three VLA backbones, GR-BC improves single-round supervised fine-tuning and reaches 91% success after a few offline iterations, without trajectory comparisons or progress labels. More details and videos are available at: https://gr-bc.github.io
• Abstract（参考訳）: ロングホライゾンの精密な操作は、訓練後の視覚言語アクション(VLA)モデルのための混合品質のデータを生成する。 重要な課題は、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。 実演におけるタスク条件付き目標到達性グラフと,人間の介入による成功と失敗の両方を含む反復的に収集されたロールアウトを構築する,オフラインの反復的ポストトレーニングフレームワークであるグラフ強調行動クローン(GR-BC)を提案する。 逆グラフ検索は、データセットサポート内でのタスク成功のための最小限のステップを計算し、各アクションチャンクは、その実行によってこのポテンシャルがどれだけ削減されるかによって重み付けされる。 この結果に基づく重み付けは、失敗した軌道から回復可能なセグメントを再利用し、介入を回復経路として利用し、ダウンウェイトは軌道内でも局所的に回帰的なチャンクを除去する。 新しいロールアウトは、グラフにそれらを付加し、報酬モデル、アクション条件付き批評家、進捗予測をトレーニングすることなく、検索を再実行することで実現される。 4つの正確な操作タスクと3つのVLAバックボーンの中で、GR-BCは単一ラウンドの教師付き微調整を改善し、数回のオフラインイテレーションの後、軌道比較や進捗ラベルなしで91%の成功を達成した。 詳細とビデオは、https://gr-bc.github.io.comで公開されている。

関連論文リスト

• GraphHCA: Closed-Form Hindsight Credit Assignment for Long-Horizon LLM Agents [22.9047313166022]
  グループベース強化学習(RL)は、高度な大規模言語モデル(LLM)を持ち、エージェントタスクにまで拡張されている。 Hindsight Credit assignment (HCA) は、後見と行動政治の確率の比率による信用の属性である。 本稿では,HCAのモデルフリーな実現法であるGraphHCAを提案する。
  論文  参考訳（メタデータ） (2026-09-28T13:03:13Z)
• CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
  VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。 本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
  論文  参考訳（メタデータ） (2026-09-21T05:14:34Z)
• Procedural Graphs: Self-Evolving Execution Structures for LLM Agents [11.810729293911622]
  手続きグラフ(Procedural Graph)は、手続き的知識を、何を問うかのトリプル(手続き、関係、手続き)に整理する。 各決定ステップにおいて、フレームワークはエージェントのアクティブノードをローカライズし、ガイダンスモデルは周辺のサブグラフをステップレベルの状況ガイダンスに変換する。 LLM精製器は失敗した軌跡と成功した軌跡を対比し、グラフの位相と属性を編集する。
  論文  参考訳（メタデータ） (2026-09-08T17:59:41Z)
• Leveraging Trajectory Graphs for Pre-Execution Error Diagnosis in Agentic LLM Systems [47.66236392009794]
  LLM(Large Language Model)ベースのエージェントは、様々な複雑な対話的タスクにおいて、例外的なパフォーマンスを示す。 textitTrajectory Graph Copilot は LLM エージェントの副操縦士' として機能する新しいフレームワークで,実行前に潜在的な動作エラーを診断する。
  論文  参考訳（メタデータ） (2026-07-29T20:14:43Z)
• Experience Memory Graph: One-Shot Error Correction for Agents [9.23684438376937]
  大規模言語モデル(LLM)エージェントは、エラーを複雑にし、障害から回復するのに苦労する。 既存の自己補正機構は本質的に不安定なプロンプトベースの反射に依存している。 本稿では,エージェント障害回復をグラフマッチング問題として再構成するフレームワークであるExperience Memory Graph (EMG)を提案する。
  論文  参考訳（メタデータ） (2026-07-15T14:33:15Z)
• See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
  本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
  論文  参考訳（メタデータ） (2026-03-10T07:22:51Z)
• GUI-Libra: Training Native GUI Agents to Reason and Act with Action-aware Supervision and Partially Verifiable RL [64.8155693023222]
  オープンソースのネイティブGUIエージェントは、長い水平ナビゲーションタスクのクローズドソースシステムに遅れを取っている。 このギャップは、高品質でアクション整合性のある推論データが不足していることに起因している。 GUI-Libraは、これらの課題に対処する調整されたトレーニングレシピです。
  論文  参考訳（メタデータ） (2026-02-25T18:34:57Z)
• GraphRunner: A Multi-Stage Framework for Efficient and Accurate Graph-Based Retrieval [3.792463570467098]
  GraphRunnerは、新しいグラフベースの検索フレームワークで、計画、検証、実行の3つの異なる段階で動作する。 推論エラーを著しく低減し、実行前に幻覚を検出する。 GRBenchデータセットによる評価は、GraphRunnerが既存のアプローチを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-07-11T18:10:01Z)
• Causal Incremental Graph Convolution for Recommender System Retraining [89.25922726558875]
  実世界のレコメンデーションシステムは、新しいデータを維持するために定期的に再トレーニングする必要がある。 本研究では,GCNに基づくレコメンデータモデルを用いて,グラフ畳み込みネットワーク(GCN)を効率的に再学習する方法を検討する。
  論文  参考訳（メタデータ） (2021-08-16T04:20:09Z)
• ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
  オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。 そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-16T06:43:11Z)

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。