論文の概要: SPAR: Search-trained Push Action Ranker for Efficient Navigation Among Movable Obstacles

• arxiv url: http://arxiv.org/abs/2610.28362v1
• Date: Tue, 20 Oct 2026 15:25:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.885334
• Title: SPAR: Search-trained Push Action Ranker for Efficient Navigation Among Movable Obstacles
• Title（参考訳）: SPAR: 移動可能な障害物間の効率的なナビゲーションのための検索訓練されたプッシュアクションランサー
• Abstract要約: 検索トレーニングされたPush Action Rankerは、シミュレーションされた検索結果からPushプリミティブを優先順位付けする方法を学ぶ。 検索トレーニングされたPush Action Rankerは、シミュレーションされた検索結果からPushプリミティブを優先順位付けする方法を学ぶ。
• 参考スコア（独自算出の注目度）: 26.648053314640723
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Navigation Among Movable Obstacles (NAMO) requires a robot to rearrange objects that block access to its goal. For a pushing robot, progress may depend on a setup push that enables a later opening without itself clearing a passage. The number of candidate sequences can grow exponentially with sequence length, making physics-based search costly. We introduce the Search-trained Push Action Ranker (SPAR), which learns to prioritize push primitives from simulated search outcomes. Searches over sequences of up to two pushes per object provide supervision that distinguishes immediate openings from setup pushes. A transformer trained with regression and ranking losses scores primitives using contact tokens conditioned on scene geometry and reachability regions. The same model guides simulator evaluations in SPAR Search and selects actions for direct execution in SPAR Policy. Both modes solve successive keyhole problems that open access to neighboring free-space regions within a NAMO planner. Across successful runs on $300$ simulated two-push keyhole problems, SPAR Search reduces median simulator calls by $7.0\times$, leading to a $3.8\times$ reduction in planning time relative to Random Search. Without retraining, the same ranker guides search on $600$ keyhole problems which have no solution within two pushes. At a depth limit of five pushes, SPAR Search achieves $50.7\%$ success within $100$ simulator calls, compared with $20.2\%$ for Random Search. These gains carry over to NAMO planning: on hard simulated scenes, SPAR Search achieves $47\%$ success within $100$ simulator calls, compared with $21\%$ for Random Search. In real-robot experiments, SPAR Policy succeeds in $37/40$ trials without a physics-based digital twin, compared with $33/40$ for SPAR Search and $27/40$ for Random Search.
• Abstract（参考訳）: 移動可能な障害物間のナビゲーション(NAMO)では、目標へのアクセスをブロックするオブジェクトをロボットに並べ替える必要がある。 プッシュロボットの場合、進行は経路をクリアすることなく後続の開口を可能にするセットアッププッシュに依存する可能性がある。 候補シーケンスの数は、シーケンスの長さとともに指数関数的に増加し、物理ベースの探索にコストがかかる。 本稿では,SPAR(Search-trained Push Action Ranker)を導入し,探索結果からプッシュプリミティブを優先する手法を提案する。 オブジェクトごとの最大2回のプッシュのシーケンスを検索すると、設定されたプッシュと即時に開封するオープニングを区別する監視が提供される。 回帰とランキングの損失を訓練したトランスフォーマーは、シーン幾何学およびリーチビリティ領域に条件付きコンタクトトークンを用いてプリミティブをスコアする。 同じモデルでは、SPAR検索でシミュレータの評価をガイドし、SPARポリシーで直接実行するためのアクションを選択する。 両方のモードは、NAMOプランナー内の隣接する自由空間領域へのアクセスを開放する連続したキーホール問題を解決する。 SPARサーチは300ドル(約3万3000円)の2プッシュキーホール問題で成功し、中央値のシミュレートコールを7.0\times$に減らし、ランダムサーチと比較して計画時間を3.8\times$に減らした。 再トレーニングなしで、同じローダは、2回のプッシュで解決できない600ドルのキーホール問題を検索する。 5回のプッシュの深さ制限で、SPAR Searchは100ドルのシミュレーターコールで50.7 %$成功を達成し、Random Searchでは20.2 %$である。 ハードシミュレートされたシーンでは、SPAR Searchは100ドルのシミュレーターコールで47 %$成功し、Random Searchは21 %$となる。 実際のロボット実験では、SPAR Policyは物理ベースのデジタルツインを使わずに37ドル/40ドルのトライアルに成功し、SPAR Searchは33ドル/40ドル、Random Searchは27ドル/40ドルだった。

関連論文リスト

• SearchMaster: Grounded and Regulated Self-Play for Search Agents [57.537666863340284]
  検索エージェントの訓練には高品質な検索データが必要である。 既存のパイプラインは、人手によるタスクや専門家によるデモンストレーション、より強力な教師モデルに依存していることが多い。 本稿では,ローカル検索環境における検索タスクから,単一のLLMをトレーニングするセルフプレイフレームワークであるSearchMasterを提案する。
  論文  参考訳（メタデータ） (2026-08-03T07:29:11Z)
• SE-Search: Self-Evolving Search Agent via Memory and Dense Reward [87.79131676521656]
  Retrieval augmented generation (RAG)は、検索した外部知識を条件づけることにより、大規模言語モデル(LLM)における幻覚や事実エラーを低減する。 既存の手法は、無関係または騒々しい文書を蓄積し、希少な強化学習信号に依存することが多い。 我々は,3つのコンポーネントによるオンライン検索行動を改善するセルフ進化検索エージェントであるtextbfSelf-textbfEvolving textbfSearchを提案する。
  論文  参考訳（メタデータ） (2026-02-06T09:14:07Z)
• Beyond A*: Better Planning with Transformers via Search Dynamics Bootstrapping [37.59733248822887]
  我々は、$A*$検索アルゴリズムの探索ダイナミクスを予測するために、エンコーダ・デコーダ変換モデルを訓練する。 我々はこのモデルを微調整し、ソコバンパズル93.7%を最適に解くトランスフォーマーモデルであるサーチフォーマーを得る。
  論文  参考訳（メタデータ） (2024-02-21T19:17:28Z)
• Fast Rates for Maximum Entropy Exploration [52.946307632704645]
  エージェントが未知の環境下で活動し、報酬が得られない場合、強化学習(RL)における探索の課題に対処する。 本研究では,最大エントロピー探索問題を2つの異なるタイプで検討する。 訪問エントロピーには、$widetildemathcalO(H3S2A/varepsilon2)$ sample complexity を持つゲーム理論アルゴリズムを提案する。 軌道エントロピーに対しては,次数$widetildemathcalO(mathrmpoly(S,)の複雑さのサンプルを持つ単純なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:51:14Z)
• A Provably Efficient Sample Collection Strategy for Reinforcement Learning [123.69175280309226]
  オンライン強化学習(RL)における課題の1つは、エージェントがその振る舞いを最適化するために、環境の探索とサンプルの活用をトレードオフする必要があることである。 1) 生成モデル(環境のスパースシミュレータなど)にアクセス可能な状態のサンプル数を規定する「対象別」アルゴリズム,2) 所定のサンプルをできるだけ早く生成する「対象別」サンプル収集。
  論文  参考訳（メタデータ） (2020-07-13T15:17:35Z)
• Adaptive Reward-Free Exploration [48.98199700043158]
  提案アルゴリズムは1994年からのFiechterのアルゴリズムの変種と見なすことができる。 さらに、報酬のない探索と最高の政治識別の相対的な複雑さについて検討する。
  論文  参考訳（メタデータ） (2020-06-11T09:58:03Z)
• Reward-Free Exploration for Reinforcement Learning [82.3300753751066]
  探索の課題を分離する「逆フリーなRL」フレームワークを提案する。 我々は,$tildemathcalO(S2Amathrmpoly(H)/epsilon2)$の探索を効率的に行うアルゴリズムを提案する。 また、ほぼ一致する$Omega(S2AH2/epsilon2)$ lower boundを与え、この設定でアルゴリズムのほぼ最適性を示す。
  論文  参考訳（メタデータ） (2020-02-07T14:03:38Z)

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。