論文の概要: Learn the Task, Not the Schedule: Reducing Spurious Cross-Arm Coupling in Bimanual Imitation Learning
- arxiv url: http://arxiv.org/abs/2610.26507v1
- Date: Mon, 19 Oct 2026 14:44:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 02:49:14.054216
- Title: Learn the Task, Not the Schedule: Reducing Spurious Cross-Arm Coupling in Bimanual Imitation Learning
- Title（参考訳）: スケジュールではなくタスクを学習する:双対的模倣学習におけるスパーラスなクロスアーム結合の低減
- Abstract要約: バイマニュアルのデモでは、ロボットがすべきことと、各アームが動くべき特定のスケジュールの両方が特定される。
標準的な模倣学習は、タスク要求のクロスアーム制約と偶発的なスケジューリング選択を区別しない。
本稿では,腕局所感覚運動を記録保存する訓練時間データ介入であるConstraint-Reserving Temporal Recombination(CTR)を紹介する。
- 参考スコア（独自算出の注目度）: 5.531359125651314
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A bimanual demonstration specifies both what the robot should do and one particular schedule for when each arm should act. Standard imitation learning does not distinguish task-required cross-arm constraints from incidental scheduling choices, and may therefore exploit opposite-arm progress as a shortcut cue, creating spurious cross-arm coupling even where relative timing is irrelevant for the current task phase. We introduce Constraint-preserving Temporal Recombination (CTR), a training-time data intervention that preserves recorded arm-local sensorimotor content while retiming the corresponding segments to realize admissible schedules that preserve task-required cross-arm constraints. We use CTR to train Diffusion Policy, Action Chunking with Transformers, and $π_{0.5}$, and evaluate them on four simulated and four real-robot tasks. Across six real-robot bimanual progress-state initializations, CTR raises worst-state success from 56% for the strongest non-CTR schedule mixture to 76%. With $π_{0.5}$ on an Independent task, a 4 s pause transfers 2.56 s of delay to the opposite arm under the Concurrent schedule distribution, but only 0.25 s with CTR. On real robots, CTR violates task constraints in only 0--4% of trials, versus 36--98% for narrow-schedule baselines. Code will be released at https://github.com/MINT-SJTU/CTR.
- Abstract（参考訳）: バイマニュアルのデモでは、ロボットがすべきことと、各アームが動くべき特定のスケジュールの両方が特定される。
標準的な模倣学習は、タスク要求のクロスアーム制約と偶発的なスケジューリング選択を区別せず、したがって、非アーム進行をショートカットキューとして利用し、現在のタスクフェーズに相対的なタイミングが無関係である場合でも、突発的なクロスアーム結合を生み出す。
本稿では,CTR(Constraint-Reserving Temporal Recombination)について紹介する。これは,タスク要求のクロスアーム制約を保存する許容スケジュールを実現するために,対応するセグメントを最適化しながら,記録されたアームローカルな知覚器内容を保存する訓練時間データ介入である。
我々はCTRを用いて拡散ポリシー、変圧器によるアクションチャンキング、および$π_{0.5}$を訓練し、4つのシミュレーションおよび4つの実ロボットタスクで評価する。
CTRは6つの実ロボットの双方向進行状態の初期化の中で、最強の非CTRスケジュール混合物の56%から76%へと最悪の状態の成功を計上している。
独立タスク上の$π_{0.5}$では、4s停止はコンカレントスケジュール分布の下で2.56秒の遅延を反対アームに転送するが、CTRでは0.25秒に留まる。
実際のロボットでは、CTRはテストの0--4%でタスクの制約に違反するが、狭いスケジュールのベースラインでは36--98%である。
コードはhttps://github.com/MINT-SJTU/CTRでリリースされる。
関連論文リスト
- RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。
適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。
LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
論文 参考訳（メタデータ） (2026-10-08T15:49:03Z) - Shared Execution-Clock Drifting Policy for Dynamic Precision Manipulation [2.44955840609554]
実行リズムは、ロボットが期限前に一連の調整を完了しなければならない場合に重要である。
本稿では、実行リズムを1ステップのアクション生成の明示的な部分とする共有実行クロックドリフト(SECD)を提案する。
NVIDIA Thor を用いた 4 つの実ロボットタスクを対象としたSECD の評価を行った。
論文 参考訳（メタデータ） (2026-09-20T02:42:31Z) - ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - RynnValue: Scaling Robotic Value Foundation Models with Temporal Distance [84.26294415726723]
汎用報酬モデルが、ロボット学習のスケーリングのボトルネックになりつつある。
ロボット操作のためのオープンソースのバリューファンデーションモデルであるRynnValueを紹介した。
RynnValueは7000時間以上、好みやプログレッシブアノテーションなしで約3Mの命令条件付きクリップにスケールする。
論文 参考訳（メタデータ） (2026-08-10T17:09:37Z) - Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment [53.913175773174636]
既存のパイプラインは、自己リセット、VLM検証、言語指導による修正を通じて、人間の労力を減らす。
Zero2Skill(ゼロ2スキル)は、人ロボットの共生型エージェントシステムで、丸ごとの修正を維持・再利用する。
論文 参考訳（メタデータ） (2026-07-15T17:16:24Z) - Improving Robotic Imitation Learning via Trajectory Standardization [7.969825103657315]
一般的な前処理戦略は、時間一様ダウンサンプリングでシーケンスを短くするが、速度による非一様性や冗長な停止を効果的に除去することはできない。
本稿では,効果的な模倣学習のためのオフライン前処理手法であるISRを提案する。
ISRはタスク成功率を約25%改善し、さまざまなオペレータから収集されたデータセット間で堅牢であり、データセットサイズとトレーニングコストの両方を削減する。
論文 参考訳（メタデータ） (2026-06-22T06:46:26Z) - CADENCE: Predicting Realized MAPF Execution Time Beyond Sum of Costs [0.8602553195689513]
Multi-Agent Path Finding (MAPF)アルゴリズムは、産業倉庫やロボット共有ワークスペースにおけるロボットチームの動きを計画するために、ますます使われている。
しかし、SoC(Sum of Costs)やMakepan、プランナーランタイムといった標準的なMAPFアルゴリズム評価メトリクスは、プランナーの選択が現実的な実行パフォーマンスにどのように変換するかを曖昧にします。
CADENCEは、7つのディファレンシャルドライブロボットを用いた固定された7×7ワークセル上のこの評価ギャップに関するハードウェア研究である。
論文 参考訳（メタデータ） (2026-06-03T11:28:09Z) - Action-Prior Denoising for Smooth Real-Time Chunking [12.956533987402054]
リアルタイムチャンキング(RTC)により、チャンクされたアクションポリシーは、以前のチャンクがコミットしたアクションに対して新たに生成されたアクションチャンクを条件にすることで、推論遅延の下で動作することができる。
トレーニングタイムRTCは、学習中にこの遅延をシミュレートし、デプロイメント時の高価なランタイムガイダンスを回避する。
本稿では,アクションプライオリジングに基づく訓練時間RTCの一般化であるソフトRTCを提案する。
論文 参考訳（メタデータ） (2026-05-25T07:49:25Z) - TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。
現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。
Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
論文 参考訳（メタデータ） (2026-05-11T13:23:14Z)
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。