論文の概要: TILDE: Teacher-in-the-Loop Distillation from Embodied Foundation Models

• arxiv url: http://arxiv.org/abs/2610.25376v1
• Date: Sun, 18 Oct 2026 16:26:20 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:12:27.355378
• Title: TILDE: Teacher-in-the-Loop Distillation from Embodied Foundation Models
• Title（参考訳）: TILDE: 身体的基礎モデルから学ぶ教師-------op 蒸留
• Abstract要約: TILDE (Teacher-In-Loop Distillation from EFMs) は、教師が実施した回復軌道から学ぶことで、学生が引き起こした状態でのオンライン蒸留を相乗化する。 AutoDAggerは、Human-in-the-loop法と比較して、リカバリトラジェクトリコレクションを2倍以上高速化する。
• 参考スコア（独自算出の注目度）: 49.10347012315728
• License:
• Abstract: Large-scale action pretraining equips Embodied Foundation Models (EFMs) with strong manipulation capabilities, with particular strengths in generalization and closed-loop robustness, but reproducing such pretraining requires substantial robot data and computation. To transfer these capabilities from pretrained EFMs to policies without action pretraining, we introduce TILDE (Teacher-In-the-Loop Distillation from EFMs), which synergizes on-policy distillation at student-induced states with learning from teacher-executed recovery trajectories. We further propose AutoDAgger, an autonomous data aggregation pipeline in which a robotic reward model is utilized to monitor task progress and trigger teacher intervention, thereby collecting recovery experience without human monitoring or manual control. AutoDAgger accelerates recovery-trajectory collection by more than $2\times$ compared with the human-in-the-loop method. By unifying learning from demonstrations, on-policy teacher supervision, and teacher's corrective behavior, TILDE improves task performance by up to $4.1\times$ over behavior cloning across three real-world tasks and supports effective cross-architecture distillation.
• Abstract（参考訳）: 大規模な行動事前訓練は、強力な操作能力を持つEmbodied Foundation Models (EFMs) を、特に一般化と閉ループロバスト性に長けているが、そのような事前訓練を再現するには、相当なロボットデータと計算が必要である。 プレトレーニング済みのEMMから政策に移行するために,教員が実施した回復軌道から学ぶことで,学生が引き起こした状態におけるオンライン蒸留を相乗化するTILDE(Teacher-In-the-Loop Distillation from EFMs)を導入する。 さらに,自律型データ集約パイプラインであるAutoDAggerを提案し,ロボット報酬モデルを用いてタスクの進捗を監視し,教師の介入を誘発し,人手による監視や手動による制御なしに回復経験を収集する。 AutoDAggerは、Human-in-the-loopメソッドと比較して、リカバリトラジェクトリコレクションを$2\times以上高速化する。 デモから学ぶこと、教師の監督、教師の矯正行動から学ぶことで、TILDEは実世界の3つのタスクにまたがる行動クローンを最大4.1\times$で改善し、効果的なクロスアーキテクチャ蒸留をサポートする。

関連論文リスト

• DiPLO: Self-distilled Diffusion Planning for Loco-manipulation [74.87006435472303]
  DiPLOは、自己蒸留拡散プランナーと低レベルの全身追跡ポリシーを組み合わせたフレームワークである。 我々のプランナーは人-人-人-の運動の教師あり学習によって事前訓練される。 結果のプランナーは、未確認の目標に対する動きも生成し、キックとプッシュ/プルタスクに関するさらなる評価を行う。
  論文  参考訳（メタデータ） (2026-10-17T19:51:59Z)
• Interactive-Policy Distillation with Bidirectional Propose-and-Verify [15.832994594431776]
  インタラクティブ・ポリシィ蒸留(IPD)は、学生のロールアウトに適応的な教師の介入を適用する。 IPDは、より高性能な蒸留法であるだけでなく、オン・ポリティズムとオフ・ポリティズムのパラダイムの間の統一されたブリッジでもある。 数学推論タスクと複数の教師と学生のモデルペアにおいて、PDで訓練された学生モデルは、PDで訓練された生徒よりも優れているだけでなく、より高いデータ効率を示す。
  論文  参考訳（メタデータ） (2026-09-29T02:32:39Z)
• Vid2WAM: Distilling Video Diffusion Priors into World Action Models [59.28345153395937]
  世界行動モデル(WAM)は、将来の視覚力学とアクションを共同でモデル化することで、ロボットポリシー学習を改善する。 大規模なビデオ基礎モデルからコンパクトなWAM学生へ視覚拡散を先取りするオフライン蒸留フレームワークであるVid2WAMを提案する。 Vid2WAMは、限られた専門家によるデモンストレーションにおいて、新しいタスクの一般化とデータ効率を向上させる。
  論文  参考訳（メタデータ） (2026-08-09T08:02:49Z)
• HELP: Human-Efficient Large-Scale Robot Post-Training with Rollout Segmentation [24.40844636932594]
  HELPは、人間の効率の良い大規模ロボットのポストトレーニングパイプラインである。 2つの特殊オペレーターが同時に12のロボットを監督します。 HELPは80%-95%の成功率を獲得し、タスクのスループットを1.7$times$--4.2$times$で改善する。
  論文  参考訳（メタデータ） (2026-07-08T03:03:38Z)
• Human-in-the-loop Online Rejection Sampling for Robotic Manipulation [55.99788088622936]
  Hi-ORSは、オンライン微調整中に負の報酬を得たサンプルをフィルタリングすることで、値推定を安定化する。 Hi-ORSは、わずか1.5時間でコンタクトリッチな操作をマスターするためのpiベースのポリシーを微調整する。
  論文  参考訳（メタデータ） (2025-10-30T11:53:08Z)
• Physical Autoregressive Model for Robotic Manipulation without Action Pretraining [65.8971623698511]
  我々は、自己回帰ビデオ生成モデルを構築し、物理自己回帰モデル(PAR)を提案する。 PARは、アクション事前トレーニングを必要とせず、物理力学を理解するために、ビデオ事前トレーニングに埋め込まれた世界の知識を活用する。 ManiSkillベンチマークの実験は、PARがPushCubeタスクで100%の成功率を達成したことを示している。
  論文  参考訳（メタデータ） (2025-08-13T13:54:51Z)
• VTAO-BiManip: Masked Visual-Tactile-Action Pre-training with Object Understanding for Bimanual Dexterous Manipulation [8.882764358932276]
  両手の DoF の高さと協調性のため、ロボット工学における両面的な操作は依然として重要な課題である。 既存の片手操作技術は、人間のデモンストレーションを利用してRL法を誘導するが、複数のサブスキルを含む複雑な双対タスクに一般化できないことが多い。 VTAO-BiManipは,視覚触覚前訓練と物体理解を組み合わせた新しいフレームワークである。
  論文  参考訳（メタデータ） (2025-01-07T08:14:53Z)
• Training and Evaluation of Deep Policies using Reinforcement Learning and Generative Models [67.78935378952146]
  GenRLはシーケンシャルな意思決定問題を解決するためのフレームワークである。 強化学習と潜在変数生成モデルの組み合わせを利用する。 最終方針訓練の性能に最も影響を与える生成モデルの特徴を実験的に決定する。
  論文  参考訳（メタデータ） (2022-04-18T22:02:32Z)

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。