論文の概要: Flexible Language-Guided Representation Editing for Adaptive Robot Behavior

• arxiv url: http://arxiv.org/abs/2610.28893v1
• Date: Tue, 20 Oct 2026 20:16:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.139391
• Title: Flexible Language-Guided Representation Editing for Adaptive Robot Behavior
• Title（参考訳）: 適応型ロボット行動のためのフレキシブル言語誘導表現編集
• Abstract要約: 軌道上のデモでは、ロボットがなぜどのように振る舞うかではなく、どのように振る舞うかを示し、そのタスクのどの特徴が本当に重要なのかを推測する。 自然言語は実演に頼らずに特徴を特定するのに適していると我々は主張する。 本稿では,言語モデルを用いてロボットの内部的タスク特徴表現を反復的に洗練するFlexible Feature Editing Pipeline (FLEX)を提案する。
• 参考スコア（独自算出の注目度）: 10.781220137181492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trajectory demonstrations show robots how to behave but not why, leaving them to guess which features of the task actually matter. Incorrect guesses produce misaligned internal representations and lead to incorrect robot behaviors. Because task features are often semantically defined, we argue that natural language is better suited for specifying features rather than relying on demonstrations. Although existing representation editing methods have proposed using language to specify new features, only allowing additive edits produces feature sets that are often over-specified or too narrowly scoped, especially in sequential editing tasks. We propose the Flexible Feature Editing Pipeline (FLEX), which uses language models to iteratively refine a robot's internal representation of task features from natural language corrections via three complementary operations: Add missing features, Generalize existing specific features, and Mask irrelevant features. We evaluate FLEX on 2D navigation scenarios, 7DoF Franka tabletop manipulation tasks, and a real-world study using naturalistic human language corrections and real-robot demonstrations. Comparisons against single-operation and unscaffolded baselines show that all three operations are necessary in interactive scenarios, and that FLEX achieves consistently higher normalized reward compared to other feature editing approaches while maintaining compact, transferable representations. Project available at https://mit-clear-lab.github.io/FLEX/
• Abstract（参考訳）: 軌道上のデモでは、ロボットがなぜどのように振る舞うかではなく、どのように振る舞うかを示し、そのタスクのどの特徴が本当に重要なのかを推測する。 不正確な推測は、不整合内部表現を生成し、不整合ロボット行動を引き起こす。 タスクの特徴はしばしば意味論的に定義されるので、自然言語は実演に頼らずに特徴を特定するのに適していると論じる。 既存の表現編集手法では、言語を用いて新機能を指定しているが、特に逐次的な編集タスクにおいて、しばしば過剰に指定され、スコープが狭すぎる機能セットのみを付加的な編集で生成できる。 本稿では,言語モデルを用いたフレキシブル特徴編集パイプライン(FLEX)を提案する。このパイプラインは,ロボットの内部的タスク特徴表現を自然言語の修正から3つの補完操作により反復的に洗練する。 本研究では, 2次元ナビゲーションシナリオにおけるFLEX, 7DoF Franka テーブルトップ操作タスク, 自然言語の修正と実ロボットによる実世界実験について検討した。 シングルオペレーションとアンスケールフォールドベースラインを比較すると、対話的なシナリオでは3つの操作がすべて必要であり、FLEXはコンパクトで転送可能な表現を維持しながら、他の機能編集アプローチと比べて常に高い正規化報酬を達成していることがわかる。 https://mit-clear-lab.github.io/FLEX/

関連論文リスト

• AFUN: Towards an Affordance Foundation Model for Functionality Understanding [12.890216832485647]
  我々は,機能理解のための手頃な基礎モデルに向けたステップとして,我々のモデルを提示する。 我々は、異種ロボット、人間、シミュレーション、現実世界のスキャンデータを共有価格スキーマに変換する大規模な標準化データパイプラインを構築します。 私たちのモデルは、4つのベンチマークから8つのテストセットにまたがる大きなマージンで、すべてのベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-06-01T17:50:16Z)
• SemanticVLA: Semantic-Aligned Sparsification and Enhancement for Efficient Robotic Manipulation [65.6201974979119]
  本稿では,効率的なロボットマニピュレーションのためのセマンティックスペーシフィケーション・エンハンスメントを実現する新しいVLAフレームワークSemanticVLAを提案する。 SemanticVLAはOpenVLA on LIBEROベンチマークを21.1%上回り、トレーニングコストと推論遅延を3.0倍と2.7倍に削減した。
  論文  参考訳（メタデータ） (2025-11-13T17:24:37Z)
• Do What? Teaching Vision-Language-Action Models to Reject the Impossible [53.40183895299108]
  VLA(Vision-Language-Action)モデルは、さまざまなロボットタスクにおいて強力なパフォーマンスを示している。 Instruct-Verify-and-Act(IVA)を提案する。 実験の結果,IVAはベースラインよりも97.56%の精度で虚偽の前提検出精度を向上させることがわかった。
  論文  参考訳（メタデータ） (2025-08-22T10:54:33Z)
• CodeDiffuser: Attention-Enhanced Diffusion Policy via VLM-Generated Code for Instruction Ambiguity [23.77040677368575]
  我々は,潜在的にあいまいな自然言語によって指定されたタスクを達成できる,新しいロボット操作フレームワークを導入する。 このフレームワークはVLM(Vision-Language Model)を使用して、自然言語命令の抽象概念を解釈する。 本稿では,言語あいまいさ,コンタクトリッチな操作,多目的インタラクションといった課題に対して,アプローチが優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-19T23:42:03Z)
• BehaviorBox: Automated Discovery of Fine-Grained Performance Differences Between Language Models [55.2480439325792]
  本稿では,性能を考慮した文脈埋め込みを用いた言語モデルの自動比較手法を提案する。 提案手法は,2つのLM間の生成容易性について,その相違点を示すコヒーレントな特徴を抽出する。 本研究では,サイズ,モデルファミリ,ポストトレーニングの異なるモデルを比較し,コーパスレベルの難易度だけでは見つからないパフォーマンスの有意義な違いを示す,特定のコンテキストに対する洞察を列挙する。
  論文  参考訳（メタデータ） (2025-06-02T19:44:06Z)
• LiLMaps: Learnable Implicit Language Maps [18.342569823885864]
  本稿では、視覚言語機能の統合により、漸進的な暗黙マッピングを強化するアプローチを提案する。 具体的には、(i)シーンに新しいオブジェクトが現れたときに使用できる暗黙の言語マップのためのデコーダ最適化手法を提案し、(ii)異なる視聴位置間の一貫性のない視覚言語予測の問題に対処する。
  論文  参考訳（メタデータ） (2025-01-06T16:04:56Z)
• Voice2Action: Language Models as Agent for Efficient Real-Time Interaction in Virtual Reality [1.160324357508053]
  大規模言語モデル(LLM)は、ごく少数の例で自然言語命令に従うように訓練されている。 本稿では,アクションとエンティティ抽出による音声信号とテキストコマンドを階層的に解析するフレームワークであるVoice2Actionを提案する。 人工的な指示データを用いた都市工学VR環境における実験結果から,Voice2Actionは最適化のないアプローチよりも効率的かつ高精度に動作可能であることが示された。
  論文  参考訳（メタデータ） (2023-09-29T19:06:52Z)
• Talk-to-Edit: Fine-Grained Facial Editing via Dialog [79.8726256912376]
  Talk-to-Editは対話型顔編集フレームワークで、ユーザーとシステム間の対話を通じて微粒な属性操作を行う。 我々の重要な洞察は、GANラテント空間における連続的な「セマンティック場」をモデル化することである。 本システムは,ユーザからの要求とセマンティックフィールドの状態の両方を考慮し,言語フィードバックを生成する。
  論文  参考訳（メタデータ） (2021-09-09T17:17:59Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)

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。