論文の概要: Reframing Object-Centric Reinforcement Learning: From Absolute to Relative Representations

• arxiv url: http://arxiv.org/abs/2610.28197v1
• Date: Tue, 20 Oct 2026 13:38:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.833099
• Title: Reframing Object-Centric Reinforcement Learning: From Absolute to Relative Representations
• Title（参考訳）: オブジェクト中心強化学習のフレーミング:絶対性から相対的表現へ
• Abstract要約: オブジェクト中心強化学習エージェントは通常、固定されたグローバルフレーム内の各オブジェクトの位置を受信する。 本稿では,Anchorに固定されたオブジェクト相対座標へのシフトを提案し,エンティティを参照の相対的なフレームで記述する。
• 参考スコア（独自算出の注目度）: 29.090629112102295
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Object-centric reinforcement learning agents typically receive each object's position in a fixed global frame, even though their decisions usually depend on where objects are relative to one another. These absolute views often fail to capture the local context that is most relevant to the agent's behavior. As a result, an agent must relearn the same response at every location where a configuration can occur, and its performance collapses when the scene is merely shifted. In this work, we propose a shift toward Object-Relative Coordinates fixed to Anchor (ORCA), where entities are described in a relative frame of reference. To operationalize this idea, we introduce Object-Relative inductive-Bias Transformers (ORBiT), a transformer-based architecture for processing anchor-relative inputs in reinforcement learning. Our results suggest these relative representations improve performance for both MLP and transformer agents. Furthermore, we demonstrate that ORBiT outperforms the pixel-based PPO baseline, achieving an aggregate HNS IQM greater than 1.0 over 13 Atari games. ORBiT learns the game of Foosball from scratch, dominating all baselines. In our controlled Tag environment, we further show that ORCA extends to rotations, that ORBiT generalizes to unseen numbers of distractors, and that these gains require a decision-relevant anchor.
• Abstract（参考訳）: オブジェクト中心の強化学習エージェントは通常、固定されたグローバルフレーム内の各オブジェクトの位置を受信するが、その決定は通常、オブジェクトが相対的な場所に依存する。 これらの絶対的なビューは、エージェントの振る舞いに最も関係のあるローカルコンテキストをキャプチャできないことが多い。 その結果、エージェントは設定の可能なすべての場所で同じレスポンスを再生し、シーンが単にシフトされたときにそのパフォーマンスが崩壊する。 本研究では,Anchor (ORCA) に固定されたオブジェクト相対座標へのシフトを提案する。 このアイデアを運用するために、強化学習におけるアンカー相対入力を処理するトランスフォーマーベースのアーキテクチャであるObject-Relative Inductive-Bias Transformers (ORBiT)を導入する。 以上の結果から,これらの相対表現はMLPエージェントとトランスフォーマーエージェントの両方の性能を向上させることが示唆された。 さらに,ORBiTは画素ベースのPPOベースラインよりも優れており,13のAtariゲームに対してHNS IQMが1.0以上であることを示す。 ORBiTはFosballのゲームをスクラッチから学習し、すべてのベースラインを支配します。 制御されたTag環境では、ORCAが回転に拡張し、ORBiTが無数の乱れを一般化し、これらの利得が決定関連アンカーを必要とすることを示す。

関連論文リスト

• What matters for Representation Alignment: Global Information or Spatial Structure? [64.67092609921816]
  表現アライメント(REPA)は、強い事前訓練された視覚エンコーダから中間拡散特徴への表現を蒸留することにより、生成訓練を導く。 本稿では,対象表現のどの側面が生成に重要であるか,そのテクスト・グロバル・リビジョン・セマンティック・情報について検討する。 我々はREPAの標準射影層を単純な畳み込み層に置き換え、外部表現のための空間正規化層を導入する。
  論文  参考訳（メタデータ） (2025-12-11T16:39:53Z)
• Deep Reinforcement Learning via Object-Centric Attention [17.623937562865617]
  タスク関連エンティティを選択的に保存し,無関係な視覚情報をフィルタリングするOcCAM(Object-Centric Attention via Masking)を導入する。 OCCAMは、従来のピクセルベースのRLと類似または類似した性能を示しながら、新しい摂動を著しく改善し、サンプルの複雑さを低減させる。
  論文  参考訳（メタデータ） (2025-04-03T20:48:27Z)
• Mapping representations in Reinforcement Learning via Semantic Alignment for Zero-Shot Stitching [17.76990521486307]
  深層強化学習モデルは、環境の観察やタスク要求に小さな変化があったとしても、一般化に失敗することが多い。 そこで本稿では,視覚的およびタスクのバリエーションを学習したエージェント間での潜伏空間間のマッピングをゼロショットで行う手法を提案する。 背景と作業が変化するCarRacing環境において,ゼロショット縫合性能を実証的に実証した。
  論文  参考訳（メタデータ） (2025-02-26T22:06:00Z)
• Improving Zero-Shot ObjectNav with Generative Communication [60.84730028539513]
  ゼロショットObjectNavの改良手法を提案する。 私たちのアプローチは、接地エージェントが制限され、時には障害のあるビューを持つ可能性があることを考慮に入れています。
  論文  参考訳（メタデータ） (2024-08-03T22:55:26Z)
• Real-Time Motion Prediction via Heterogeneous Polyline Transformer with Relative Pose Encoding [121.08841110022607]
  既存のエージェント中心の手法は、公開ベンチマークで顕著な性能を示した。 K-nearest neighbor attention with relative pose encoding (KNARPE) は、トランスフォーマーがペアワイズ相対表現を使用できる新しいアテンション機構である。 エージェント間でコンテキストを共有し、変化しないコンテキストを再利用することで、私たちのアプローチはシーン中心のメソッドと同じくらい効率的になり、最先端のエージェント中心のメソッドと同等に実行されます。
  論文  参考訳（メタデータ） (2023-10-19T17:59:01Z)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
  我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。 形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
  論文  参考訳（メタデータ） (2022-08-01T17:45:36Z)
• LCTR: On Awakening the Local Continuity of Transformer for Weakly Supervised Object Localization [38.376238216214524]
  弱教師付きオブジェクトローカライゼーション(WSOL)は、画像レベルのラベルだけでオブジェクトローカライザを学習することを目的としている。 本稿では,グローバルな特徴の局所認識能力を高めることを目的とした,LCTRと呼ばれるトランスフォーマー上に構築された新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-10T01:48:40Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)

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。