論文の概要: Learning from Fleet Experience: Collective Experience Learning Across 96 Robots

• arxiv url: http://arxiv.org/abs/2610.25736v2
• Date: Wed, 21 Oct 2026 05:52:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.033261
• Title: Learning from Fleet Experience: Collective Experience Learning Across 96 Robots
• Title（参考訳）: 艦隊経験から学ぶ:96個のロボットの集合的学習
• Abstract要約: 我々は,展開されたロボット自身の実行を,さらなる政策改善の源泉として利用する,艦隊経験から学ぶことを提案する。 我々はこのパラダイムを集合体験学習(CEL)と呼び、ロボットが実行経験をプールして共有ポリシーを更新する。 CELは、デプロイメント中に生成されたエクスペリエンスを通じて、ロボットポリシーの信頼性を改善するためのスケーラブルなアプローチとして、CELをサポートする。
• 参考スコア（独自算出の注目度）: 68.65721599428873
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robot deployment generates experience that can support policy improvement, but continued reliance on expert corrective actions makes learning difficult to scale across growing fleets. We propose learning from fleet experience: using deployed robots' own executions as a source of supervision for further policy improvement. We call this paradigm Collective Experience Learning (CEL), in which robots pool execution experience to update a shared policy that returns to the fleet. Following expert-supervised initialization, we realize CEL through failure-guided experience retrieval fine-tuning (FERT). FERT uses failure contexts to retrieve relevant segments from successful trajectories and prioritizes their recorded actions for supervised updates, without collecting additional expert demonstrations or corrective actions. Operators provide binary episode-outcome labels and environment resets. A fault-tolerant asynchronous training system (FATS) coordinates robot execution, cloud inference and policy optimization despite local interruptions. 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 generally improve performance across the evaluated sizes. On multi-stage phone packaging, learning with 96 robots raises success from 79.2% to 98.3%. These results support CEL as a scalable approach to improving robot policy reliability through experience generated during deployment.
• Abstract（参考訳）: ロボットの展開は、ポリシーの改善をサポートすることができるエクスペリエンスを生成するが、専門家の是正行動への継続的な依存は、成長する車両間での学習を困難にしている。 我々は,展開されたロボット自身の実行を,さらなる政策改善の源泉として利用する,艦隊経験から学ぶことを提案する。 我々はこのパラダイムを集合的経験学習(CEL)と呼び、ロボットが実行経験をプールして、艦隊に帰還する共有ポリシーを更新する。 専門家による初期化に続いて,故障誘導経験検索微調整(FERT)によりCELを実現する。 FERTは障害コンテキストを使用して、成功したトラジェクトリから関連するセグメントを検索し、記録されたアクションを監視された更新に優先順位付けする。 オペレータはバイナリエピソードアウトカムラベルと環境リセットを提供する。 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、局所的な中断にもかかわらず、ロボットの実行、クラウド推論、ポリシー最適化を調整する。 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、より大きな車両はより多くの経験を提供し、一般に評価されたサイズのパフォーマンスを改善する。 多段階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、デプロイメント中に生成されたエクスペリエンスを通じて、ロボットポリシーの信頼性を向上させるためのスケーラブルなアプローチとして、CELをサポートする。

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。