論文の概要: CoDA: Co-Evolution of Data Engines and Action Policies

• arxiv url: http://arxiv.org/abs/2610.22362v1
• Date: Thu, 15 Oct 2026 17:59:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.28115
• Title: CoDA: Co-Evolution of Data Engines and Action Policies
• Title（参考訳）: CoDA: データエンジンとアクションポリシの共進化
• Abstract要約: 生成的シミュレーションはロボット環境構築を自動化することができるが、物理的に有効な環境は必ずしもトレーニングに有用ではない。 シミュレーションデータエンジンとアクションポリシーが共有ヘテロジニアスメモリを通じて共進化するフレームワークであるCoDAを紹介する。 LIBERO-Proでは、15ラウンドの世代と訓練が25%から84%のポジションで成功し、1%から76%の教育で成功している。
• 参考スコア（独自算出の注目度）: 10.059894600492905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative simulation can automate robot environment construction, but physically valid environments are not necessarily useful for training. The challenge is to identify environments that address a policy's failures and supervision that helps it overcome them. We introduce CoDA, a framework in which a simulation data engine and an action policy co-evolve through a shared heterogeneous memory of environment construction, policy failures, and learning progress. The memory compiles validated diagnoses from a vision-language critic into generation programs that recreate difficulties and training programs that help the policy overcome them. We further propose Text2potential to convert these diagnoses into staged potentials for action-chunk value learning, providing dense supervision for policy updates while preserving the task's optimal policy under standard shaping assumptions. Measured learning progress guides further generation and program refinement. Across four manipulation task families, CoDA improves out-of-distribution success from 5.3% after supervised fine-tuning to 27.6%, exceeding the strongest closed-loop baseline by 9.5 percentage points with the same generation budget. On LIBERO-Pro, 15 rounds of generation and training raise success from 25% to 84% under position perturbations and from 1% to 76% under instruction perturbations.
• Abstract（参考訳）: 生成的シミュレーションはロボット環境構築を自動化することができるが、物理的に有効な環境は必ずしもトレーニングに有用ではない。 課題は、政策の失敗に対処し、それらを克服するのに役立つ環境を特定することである。 シミュレーションデータエンジンとアクションポリシーが共進化するフレームワークであるCoDAを紹介する。 メモリは、視覚言語評論家からの検証済みの診断をコンパイルし、それらを克服するための困難を再現し、プログラムを訓練する生成プログラムを生成する。 さらに,これらの診断を行動チャンク値学習の段階的ポテンシャルに変換するためのText2potentialを提案する。 測定学習の進歩は、さらなる生成とプログラムの洗練を導く。 4つの操作タスクファミリー全体で、CoDAは微調整を監督した後の配当成功率を5.3%から27.6%に改善し、同世代の予算で9.5ポイントのクローズドループベースラインを抜いた。 LIBERO-Proでは、15ラウンドの世代と訓練が25%から84%のポジションの摂動で成功し、1%から76%の教育の摂動で成功している。

関連論文リスト

• From Failures to Learnable Worlds: Policy-Conditioned Environment Generation for Navigation Agents [58.2912265768154]
  WEDGEは弱いナビゲーション学習のためのフレームワークである。 ポリシーは、異なるトレーニング環境の利点と、異なる弱点のプロファイルを示す。
  論文  参考訳（メタデータ） (2026-10-14T02:10:38Z)
• EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation [54.5481724465918]
  EmbodiRSIは、リアルからシミュレート・トゥ・リアル・セッティングにおける反復的な政策改善のためのシステムである。 タスク固有のシミュレーションは、ターゲットのデプロイメントシナリオから構築され、低コストな環境として使用される。 400の適応的なシミュレートされた軌道と、サブタスクごとに10の現実世界の軌道しか持たないため、EmbodiRSIは83.1%のシーンバランスの自律的実世界の成功を達成している。
  論文  参考訳（メタデータ） (2026-09-30T03:54:53Z)
• REVOLVE: An Automated Closed-Loop Framework for Evolving Robot Manipulation with Minimal Human Intervention [17.399763167916195]
  人間の介入を最小限に抑えてロボット操作を進化させるための自動クローズドループフレームワークであるREVOLVEを提案する。 統一されたソフトウェアプラットフォーム上に構築されたREVOLVEは、データ収集、ポリシトレーニングとデプロイメント、障害回復、継続的な学習を単一のクローズドループワークフローに統合する。
  論文  参考訳（メタデータ） (2026-09-13T16:08:03Z)
• SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies [61.941546372624686]
  既存のプロトコルはタスクのセマンティクスを廃止し、手作りの報酬と制御が検証したものから逸脱する振る舞いを残している。 本稿では,SUN (Semantically UNified Programs) を導入し,幾何関係と接触関係が一度定義され,整列したモデル予測制御にコンパイルされる型付き実行プログラムについて述べる。 我々のシステムであるKuafuは、言語やシーンのセマンティクスからSUNプログラムを自動で合成し、MPCによる画面表示を実現し、ステージ条件付きポリシーのトレーニング中にセマンティクスを保持する。
  論文  参考訳（メタデータ） (2026-08-31T17:59:16Z)
• From Attacks to Curricula: Learnability-Guided Adversarial Training for Safe Autonomous Driving [56.30087557121323]
  AlignADVは学習性誘導型クローズドループ対向トレーニングフレームワークである。 敵のシナリオを解決可能で能力に整合したカリキュラムに変換する。 実験の結果、最大40.6%のトレーニングステップが短縮された。
  論文  参考訳（メタデータ） (2026-06-12T02:13:55Z)

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。