論文の概要: Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance

• arxiv url: http://arxiv.org/abs/2610.20607v1
• Date: Wed, 14 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 21:06:16.302066
• Title: Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance
• Title（参考訳）: 少ない人的指導による実世界の移動操作のための階層的残留政策学習
• Abstract要約: HiRe-MoMaは、複雑なMoMaシステムの安定的でサンプル効率の良い実世界の微調整のための体系的なフレームワークである。 Policy-Agnostic Residualはベースポリシー上の付加的な修正を学習し、Hierarchical Decouplingは残余を移動ベースとマニピュレータアームのヘッドに分割する。 また,HiRe-MoMaはオンラインインタラクションの30分程度でタスク性能を継続的に向上することを示す。
• 参考スコア（独自算出の注目度）: 17.206596833503546
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile Manipulation (MoMa) is a cornerstone of autonomous robotic systems, yet real-world fine-tuning remains a formidable challenge because of high-dimensional action spaces and intricate coupling between heterogeneous modules. In this paper, we propose HiRe-MoMa (Hierarchical Residual Mobile Manipulation), a systematic framework for stable and sample-efficient real-world fine-tuning of complex MoMa systems. At its core, HiRe-MoMa adopts a Hierarchical Residual Architecture that fine-tunes a frozen base policy. A Policy-Agnostic Residual learns additive corrections atop the base policy, while Hierarchical Decoupling splits the residual into mobile-base and manipulator-arm heads with unidirectional conditioning, mitigating gradient interference and aligning corrections with the platform's physical hierarchy. To improve sample efficiency in data-expensive real-world settings, we propose Expert-Guided Value Alignment, which leverages sparse human interventions with under 20% training coverage to reshape the critic's value landscape, effectively guiding autonomous exploration through expert priors. Extensive real-world experiments on the TIAGo++ platform demonstrate that HiRe-MoMa consistently enhances task performance with only around 30 minutes of online interaction, regardless of the base policy architecture. To our knowledge, this is among the first frameworks to enable efficient on-robot fine-tuning for mobile manipulation in the real world, providing a practical paradigm for deploying complex robotic systems in dynamic, human-centric environments. Further details can be found on our project website: https://hire-moma.github.io/
• Abstract（参考訳）: 移動マニピュレーション(MoMa)は自律型ロボットシステムの基盤であるが、高次元のアクション空間と異種モジュール間の複雑な結合のため、現実世界の微調整は依然として困難な課題である。 本稿では,複雑なMoMaシステムの安定かつサンプル効率の高い実世界の微調整のための体系的フレームワークであるHiRe-MoMaを提案する。 HiRe-MoMaの中核となるのは階層的残留アーキテクチャ(Hierarchical Residual Architecture)である。 ポリシー非依存残差は、基本方針上の付加的補正を学習し、階層的デカップリングは、残差を一方向条件付け、勾配干渉を緩和し、プラットフォームの物理的階層と整列する、移動ベースとマニピュレータアームのヘッドに分割する。 筆者らは,データ抽出の実世界の環境におけるサンプル効率を改善するために,20%未満のトレーニングカバレッジで疎い人間の介入を活用して,批評家の価値観を再構築し,専門家の事前調査を通じて自律的な探索を効果的に導く専門家ガイド付価値調整を提案する。 TIAGo++プラットフォーム上での大規模な実世界実験により、HiRe-MoMaは、基本方針アーキテクチャに関係なく、オンラインインタラクションの30分程度で、タスクパフォーマンスを継続的に向上することを示した。 我々の知る限り、これは実世界におけるモバイル操作の効率的なオンロボット微調整を可能にする最初のフレームワークであり、ダイナミックで人間中心の環境で複雑なロボットシステムをデプロイするための実践的なパラダイムを提供する。 詳細はプロジェクトのWebサイト(https://hire-moma.github.io/)で確認できます。

関連論文リスト

• Reward-Driven LLM Agent Workflows: Synthesizing POMDP Routing and Self-Correction for Autonomous Decision-Making [0.0]
  本稿では,長期計画,スパース報酬属性,動的環境相互作用など,現在の大規模言語モデル(LLM)エージェントアプリケーションにおける重要な技術的課題に対処する。 提案されたアーキテクチャは、ビジュアル、言語、生成、グラフ、マルチモーダル、強化、エージェントインテリジェンスという、コアAIパラダイムの合成に基づいている。 最終的に、得られたアーキテクチャは、複雑で多段階の自律システムで人工知能技術を開発するための実用的でスケーラブルな参照フレームワークを提供する。
  論文  参考訳（メタデータ） (2026-07-19T02:51:41Z)
• Localized LoRA-MoE: Block-wise Low-Rank Experts With Adaptive Routing [12.174849960744211]
  局所的な空間的ブロッキングと動的でコンテキスト効率の高いルーティングを融合する統合フレームワークであるLoRA-MoEを導入する。 実験により, 分散化されたセルレベルのゲーティングは, 全世界的なコーディネータによる完全な統計パリティを実現することが確認された。
  論文  参考訳（メタデータ） (2026-07-06T14:06:18Z)
• Hi-WM: Human-in-the-World-Model for Scalable Robot Post-Training [54.896907620476675]
  本稿では,学習世界モデルを用いた学習後学習フレームワークを提案する。 Hi-WMは中間状態をキャッシュし、ロールバックとブランチをサポートする。 我々は、剛性と変形性のあるオブジェクト相互作用と2つのポリシーバックボーンにまたがる3つの実世界の操作タスクについて、Hi-WMを評価する。
  論文  参考訳（メタデータ） (2026-04-23T14:42:54Z)
• ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation [66.02142169323521]
  Vision-Language-ActionモデルとWorld Modelは最近、汎用ロボットインテリジェンスのための有望なパラダイムとして登場した。 既存のベンチマークは、主にシミュレータ中心であり、制御性を提供するが、知覚ノイズによって引き起こされる現実のギャップを捉えることができない。 シミュレーションと実世界の実行を橋渡しする標準化された評価フレームワークであるManipArenaを紹介する。
  論文  参考訳（メタデータ） (2026-03-30T15:06:41Z)
• AdaWorldPolicy: World-Model-Driven Diffusion Policy with Online Adaptive Learning for Robotic Manipulation [12.592383721590402]
  オンライン適応学習(AdaWorldPolicy)を用いた統合フレームワーク「世界モデル駆動拡散政策」を導入する。 私たちの中核となる洞察は、世界モデルは強力な監視信号を提供し、動的環境におけるオンライン適応学習を可能にします。 AdaWorldPolicyは、アウト・オブ・ディストリビューションシナリオへの動的適応能力を備えた最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-02-23T17:12:25Z)
• OWMM-Agent: Open World Mobile Manipulation With Multi-modal Agentic Data Synthesis [70.39500621448383]
  オープンワールドのモバイル操作タスクは、オープンエンドの命令や環境への一般化が必要なため、依然として課題である。 本稿では,多視点のシーンフレームとエージェント状態を維持した新しいマルチモーダルエージェントアーキテクチャを提案する。 我々は,グローバルなシーン理解,ロボットの状態追跡,マルチモーダルアクション生成を統一モデルで実現した,モバイルマニピュレータのための基礎モデルであるOWMM-VLMについて紹介する。
  論文  参考訳（メタデータ） (2025-06-04T17:57:44Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。 スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)

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。