論文の概要: Learning Robot Metareasoning: Adaptive Computation Budgets for Real-Time Control

• arxiv url: http://arxiv.org/abs/2610.23662v1
• Date: Fri, 16 Oct 2026 15:55:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.999539
• Title: Learning Robot Metareasoning: Adaptive Computation Budgets for Real-Time Control
• Title（参考訳）: ロボットメタ推論の学習:リアルタイム制御のための適応型計算予算
• Abstract要約: 移動中の計画は、熟考と反応性の間の歴史的なトレードオフに直面します。 我々は、現在の状態、実行計画、安価なプランナー統計に基づいて、強化学習政策を訓練する。 地上ロボットナビゲーション、アジャイル四段飛行、コンタクトリッチな操作などを通じて、学習ポリシはシナリオの要求に応じて予算を変更します。
• 参考スコア（独自算出の注目度）: 9.282841019372093
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Planning while moving faces an historical trade-off between deliberation and reactivity. A planner running concurrently with execution needs time to compute, so the robot must commit to an open-loop action chunk for that duration: a longer commitment buys a better plan at the cost of feedback frequency. Existing controllers fix this action commitment, and consequently the computation budget, before deployment. However, the optimal computation time is highly state-dependent (due to factors such as unmodeled dynamics, safety constraints, and marginal optimisation gains), i.e. dynamic, therefore offline static tuning risks leaving systems blind during critical maneuvers or unable to find global effective solutions. We cast the identification of the optimal computation budget as a semi-Markov decision process (SMDP) in which a single decision defines both the robot action commitments and the time allocated to the solver. To solve this, we train a reinforcement-learning policy conditioned on the current state, the executing plan, and inexpensive planner statistics. Across ground-robot navigation, agile quadrotor flight, and contact-rich manipulation, the learned policy changes its budget with the demands of the scenario, discovering efficient reasoning patterns that outperform fixed-budget baselines. https://lorenzomagnino.github.io/learning-robot-metareasoning-review/
• Abstract（参考訳）: 移動中の計画は、熟考と反応性の間の歴史的なトレードオフに直面します。 実行と同時に実行するプランナーは計算に時間を要するため、ロボットはその期間、オープンループアクションチャンクにコミットする必要がある。 既存のコントローラはこのアクションコミットメントを修正し、結果として計算予算をデプロイ前に修正する。 しかし、最適計算時間は(非モデル力学、安全性制約、限界最適化などの要因により)高度に状態依存しているため、静的な静的チューニングのリスクは、重要な操作中にシステムが見えなくなるか、大域的な効果的な解決策が見つからない。 我々は,最適な計算予算を半マルコフ決定プロセス (SMDP) として,ロボットの行動コミットメントと解法に割り当てられる時間の両方を単一の決定で定義する。 そこで我々は,現状,実行計画,安価なプランナー統計に基づく強化学習政策を訓練する。 地上ロボットナビゲーション、アジャイル四段飛行、コンタクトリッチな操作を通じて、学習されたポリシーはシナリオの要求に応じて予算を変更し、固定予算ベースラインを上回る効率的な推論パターンを発見する。 https://lorenzomagnino.github.io/learning-robot-metareasoning-review/

関連論文リスト

• Not All Uncertainty Matters: Simulation-in-the-Loop Fast-Slow Reasoning for Decision-Critical Autonomous Driving System [96.5886093331501]
  大規模視覚言語モデル(VLM)は、自律運転のための強力なオープンワールド認識と推論を提供する。 その高い計算コストと遅延推論は、継続的クラウドサイドの使用を非現実的にします。 タスク指向の高速なコラボレーションのためのシミュレーション・イン・ループ・フレームワークである textbf SIGMA を提案する。
  論文  参考訳（メタデータ） (2026-10-07T06:15:44Z)
• $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation [51.05516457377339]
  ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。 計算スケーリング可能な推論問題として高レベルサブタスク生成を定式化する階層型ロボット基盤モデルである$_0$-VLAを導入する。 低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。
  論文  参考訳（メタデータ） (2026-08-17T17:59:11Z)
• World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
  Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。 内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。 nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
  論文  参考訳（メタデータ） (2026-07-12T07:44:16Z)
• When Should a Robot Replan? Regret-Guided Update Scheduling in Time-Varying MDPs [2.5861007846258417]
  時間変化マルコフ決定過程において、遷移ドリフトの速度に既知の境界を持つ問題を定式化する。 我々は,TVMDPの特性とスキップ長の観点から,スキップ間隔でどのように成長するかを示す。 室内障害物場における時変スリップダイナミクスを用いた火星ローバーナビゲーションのシミュレーションとクレージーフリー四重項器におけるルールの評価を行った。
  論文  参考訳（メタデータ） (2026-06-15T17:09:07Z)
• When Should a Robot Think? Resource-Aware Reasoning via Reinforcement Learning for Embodied Robotic Decision-Making [68.12864562049957]
  身体ロボットシステムは、高レベルの推論をサポートするために、大規模言語モデル(LLM)ベースのエージェントにますます依存している。 エージェントはいつ、いつ、いつ行動すべきか? 本稿では,エンボディエージェントのリソース・アウェア・オーケストレーションのための階層的なフレームワークであるRARRL(Resource-Aware Reasoning via Reinforcement Learning)を提案する。
  論文  参考訳（メタデータ） (2026-03-17T15:38:50Z)
• Constant-time Motion Planning with Anytime Refinement for Manipulation [17.543746580669662]
  本研究では,CTMP(Constant-time Motion Planners)アルゴリズムと組み合わせたリアルタイム改良手法を提案する。 提案するフレームワークは,定数時間アルゴリズムとして動作するため,ユーザ定義時間しきい値内の初期解を高速に生成する。 任意の時間アルゴリズムとして機能し、割り当てられた時間予算内で、ソリューションの品質を反復的に改善します。
  論文  参考訳（メタデータ） (2023-11-01T20:40:10Z)
• Planning with Dynamically Estimated Action Costs [2.8326418377665346]
  実際のAI計画アプリケーションには、アクションコストに関する情報が不可欠だ。 近年のアプローチでは、データからしばしば学習されるブラックボックス外部アクションコスト推定器が計画段階で適用されている。 本稿では,行動コストを考慮した決定論的計画の一般化を提案する。
  論文  参考訳（メタデータ） (2022-06-08T21:10:37Z)
• iCORPP: Interleaved Commonsense Reasoning and Probabilistic Planning on Robots [46.13039152809055]
  我々はiCORPPと呼ばれる新しいアルゴリズムを提案し、現在の世界状態を同時に推定し、世界ダイナミクスの推論を行い、タスク指向のコントローラを構築する。 結果は、競合するベースラインと比較して、スケーラビリティ、効率、適応性が大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2020-04-18T17:46:59Z)

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。