論文の概要: Learning from Fleet Experience: A Collective Learning Paradigm for Robots

• arxiv url: http://arxiv.org/abs/2610.25736v1
• Date: Mon, 19 Oct 2026 03:41:27 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:33:07.895007
• Title: Learning from Fleet Experience: A Collective Learning Paradigm for Robots
• Title（参考訳）: フリート体験から学ぶ:ロボットのための集合学習パラダイム
• Abstract要約: 本稿では,デプロイされたロボットが共通ポリシーを改善するために,実行経験を共有する学習パラダイムである集合的経験学習(CEL)を紹介する。 FERTは、ロボットの実行から失敗コンテキストを使用して、艦隊が共有した成功した経験から関連する軌道セグメントを検索する。 フォールトトレラントな非同期トレーニングシステムは、エクスペリエンスコレクション、ポリシー最適化、ポリシー分散を調整する。
• 参考スコア（独自算出の注目度）: 53.85009365944589
• License:
• Abstract: Experience generated during deployment offers an opportunity for robots to improve policy reliability through learning from their own executions. However, learning through human corrections requires teleoperators to monitor execution and intervene when policies fail, a demand that is difficult to meet as robot fleets grow. We introduce collective experience learning (CEL), a learning paradigm in which deployed robots share their execution experience to improve a common policy. We realize CEL through failure-guided experience retrieval fine-tuning (FERT), which uses failure contexts from robot executions to retrieve relevant trajectory segments from the fleet's shared successful experience and uses their actions as supervision for policy updates, without collecting additional expert demonstrations or corrective actions. A fault-tolerant asynchronous training system (FATS) coordinates experience collection, policy optimization and policy distribution despite local interruptions within the robot fleet. Across five real-world manipulation tasks, the resulting policies achieve success rates of 93.3-99.2%, evaluated over 120 trials per task on robots excluded from training data collection. With collection time per robot held fixed, larger fleets provide more experience and FERT generally achieves higher success rates across the evaluated sizes. On multi-stage phone packaging, learning with 96 robots increases success from 79.2% to 98.3%. These results support collective experience as a practical basis for scalable robot learning and a path towards improving policy reliability during deployment without collecting additional expert corrective actions.
• Abstract（参考訳）: デプロイメント中に生成された経験は、ロボットが自身の実行から学習することで、ポリシーの信頼性を向上させる機会を提供する。 しかし、人間の修正を通じて学習するには、遠隔操作者が実行を監視し、ポリシーが失敗すると介入する必要がある。 本稿では,デプロイされたロボットが共通ポリシーを改善するために,実行経験を共有する学習パラダイムである集合的経験学習(CEL)を紹介する。 我々は,フェール誘導経験検索ファインタニング(FERT)を通じてCELを実現する。これは,ロボット実行からの障害コンテキストを用いて,艦隊の共有された成功経験から関連する軌道セグメントを検索し,それらの動作を,追加の専門家によるデモンストレーションや修正行動の収集を伴わずに,ポリシー更新の監督として利用するものだ。 フォールトトレラント非同期トレーニングシステム(FATS)は、ロボット群内の局所的な中断にもかかわらず、エクスペリエンスの収集、ポリシーの最適化、ポリシーの分散を調整する。 5つの実世界の操作タスクの中で、結果として得られたポリシーは93.3-99.2%の成功率を達成し、トレーニングデータ収集から除外されたロボットに対する1タスクあたり120回以上の試験を評価した。 固定されたロボット1台あたりの収集時間によって、より大きな車両がより多くの経験を提供し、FERTは評価されたサイズでより高い成功率を達成する。 多段式携帯電話のパッケージングでは、96台のロボットによる学習が79.2%から98.3%に向上した。 これらの結果は、スケーラブルなロボット学習の実践的基盤としての集合的経験と、さらなる専門家の補正行動を集めることなく、デプロイメント中のポリシーの信頼性向上への道筋を支援する。

関連論文リスト

• 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)
• Learning while Deploying: Fleet-Scale Reinforcement Learning for Generalist Robot Policies [23.266003019334438]
  汎用的なロボットポリシーは、大規模な事前トレーニングの恩恵を受ける傾向にあるが、オフラインデータだけでは、堅牢な現実世界のデプロイメントには不十分である。 本稿では,VLA(Vision-Language-Action)ポリシーの継続学習のための,艦隊規模のオフライン-オンライン強化学習フレームワークであるLWDを紹介する。
  論文  参考訳（メタデータ） (2026-05-01T05:20:26Z)
• Sustainable Transfer Learning for Adaptive Robot Skills [0.0]
  本研究では、強化学習(RL)を用いたペグ・イン・ホールタスクに着目し、異なるロボットプラットフォーム間の政策伝達について検討する。 その結果、ゼロショット転送は成功率を低下させ、タスクの実行時間を比較的長くする一方で、微調整はトレーニングの時間ステップを小さくしてパフォーマンスを著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2026-04-08T11:06:10Z)
• 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)
• Robot Fleet Learning via Policy Merging [58.5086287737653]
  我々はFLEET-MERGEを提案し、艦隊設定における政策を効率的にマージする。 本稿では,FLEET-MERGEがメタワールド環境における50のタスクで訓練されたポリシーの行動を統合することを示す。 合成・接触に富んだロボット操作タスクにおけるフリートポリシー学習のための新しいロボットツール用ベンチマークであるFLEET-TOOLSを導入する。
  論文  参考訳（メタデータ） (2023-10-02T17:23:51Z)
• Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot Learning [121.9708998627352]
  近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。 本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
  論文  参考訳（メタデータ） (2022-04-15T08:12:15Z)
• Reinforcement Learning Experiments and Benchmark for Solving Robotic Reaching Tasks [0.0]
  強化学習はロボットアームによる到達タスクの解決に成功している。 ハイドサイト体験再生探索技術により報奨信号の増大が, オフ・ポリティクス・エージェントの平均リターンを増加させることが示されている。
  論文  参考訳（メタデータ） (2020-11-11T14:00:49Z)

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。