論文の概要: Learning to Absorb Corrections: Critic-Weighted Residual Flow for Vision-Based Insertion

• arxiv url: http://arxiv.org/abs/2610.29117v1
• Date: Wed, 21 Oct 2026 03:00:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.185553
• Title: Learning to Absorb Corrections: Critic-Weighted Residual Flow for Vision-Based Insertion
• Title（参考訳）: 補正を吸収する学習:視覚に基づく挿入のための批判重み付き残差流
• Abstract要約: 本稿では,適応型アクションチャンキング変換器(ACT)と条件付き残流ポリシを結合したオンライン学習フレームワークACT-Flowを提案する。 チャンクレベルの批評家は、成功し失敗した相互作用から学び、最終的な構成されたアクションを評価する。 その結果,5タスクの平均成功率は2万回の開始後インタラクションステップで66%であった。
• 参考スコア（独自算出の注目度）: 17.929443188384987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-based insertion requires correcting alignment errors while retaining useful behavior learned from demonstrations. We present ACT--Flow, an online learning framework that couples an adaptive Action Chunking Transformer (ACT) with a conditional residual flow policy. Following anchor-guided warmup, ACT absorbs successful executed actions through behavioral cloning, while residual targets are recomputed relative to the updated prior. A chunk-level critic learns from successful and failed interactions and evaluates final composed actions. Its estimates weight generated residual candidates for flow matching, complemented by supervision from successful real executions. Candidate scoring is confined to training; deployment uses RGB observations and samples one residual per action chunk. We evaluate the framework on power-plug, USB, and key insertion, together with cable routing and needle threading. Results show a five-task mean success rate of 66% at 20,000 post-initialization interaction steps, exceeding the strongest baseline by 18 percentage points at this checkpoint. Evaluations at matched checkpoints with the residual disabled show ACT's mean success increasing from 16% to 76%. Component ablations further support the complementary roles of behavior absorption, value weighting, and successful-action supervision.
• Abstract（参考訳）: 視覚ベースの挿入は、デモから学んだ有用な振る舞いを維持しながらアライメントエラーを修正する必要がある。 本稿では,適応型アクションチャンキング変換器(ACT)と条件付き残流ポリシを結合したオンライン学習フレームワークACT-Flowを提案する。 アンカー誘導ウォームアップの後、ACTは行動クローニングによって実行された動作を吸収し、残りのターゲットは更新前の動作に対して再計算される。 チャンクレベルの批評家は、成功し失敗した相互作用から学び、最終的な構成されたアクションを評価する。 その推定では、フローマッチングの残留候補が生成され、実際の実行を成功させた監督によって補完される。 候補スコアはトレーニングに限られており、デプロイメントはRGB観測を使用して、アクションチャンク毎に1つの残差をサンプリングする。 ケーブルルーティングとニードルスレッディングとともに,電源プラグ,USB,キー挿入に関するフレームワークの評価を行った。 その結果,5タスクの平均成功率は2万回の開始後相互作用ステップで66%であり,このチェックポイントでは18%の差で最強のベースラインを突破した。 健診点と健診点との整合性評価の結果,ACTの平均成功率は16%から76%に増加した。 コンポーネントの短縮は、行動吸収、価値重み付け、そして成功した行動監督の相補的な役割をさらに支援します。

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)
• CereVLA: Cerebellum-Inspired Consequence-Aware Residual Governance for Efficient Vision-Language-Action Execution [53.635273213001796]
  アクションチャンクされた視覚言語アクション(VLA)ポリシーは推論効率を改善するが、コミットされたアクションチャンク内の限られたフィードバックは、実行エラーの蓄積につながる。 本稿では,軽量残効改善と予測結果評価を冷凍VLA実行に統合した統合フレームワークであるCereVLAについて述べる。
  論文  参考訳（メタデータ） (2026-09-23T07:30:58Z)
• Stable and Efficient Real-World Online VLA Post-Training via Asynchronous Replay-Anchored Policy Improvement [60.83624556700821]
  本稿では,リプレイ動作における批評家とアクターの更新の両方を基盤として,ロールアウトと学習を同時に行うフレームワークを提案する。 RAPolicyを4つのシングルタスク設定と1つのジョイント5タスク設定で実世界で評価し,オンライントレーニングの予算は1～2時間に過ぎなかった。
  論文  参考訳（メタデータ） (2026-09-19T08:45:18Z)
• ForceRFT: Refining VLA Actions through Force-Guided Residual Reinforcement Learning [10.418397316382782]
  ForceRFTは、フォース誘導強化学習フレームワークである。 人間の監督や自律的なタスクの結果からコンタクト依存の修正を学ぶ。 プラグ挿入、リングオンペグ組立、ホワイトボードワイピングの実験は、評価された実演訓練および残像ベースラインよりも高い自律的な成功率を示した。
  論文  参考訳（メタデータ） (2026-09-19T07:16:11Z)
• Task-Oriented Active Learning of Residual Dynamics for Model Predictive Path Integral Control [5.732100803651168]
  本稿では,モデル予測経路積分制御(MPPI)のためのアクティブラーニング基準であるタスク指向情報獲得(ToIA)を紹介する。 TOIAは、ロールアウトの早い段階で得られた観測値が、同じロールアウトの後の状態における予測の不確実性を減少させると見積もっている。 ToIAは、不均質な地形を持つホールトアウトマップ間のオフロードナビゲーションをシミュレートし、受動GP学習よりも目標達成の成功率を改善した。
  論文  参考訳（メタデータ） (2026-09-16T19:56:31Z)
• ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models [40.14720118215973]
  アクショントークンーは自己回帰視覚アクション(VLA)モデルにおいて中心的な役割を果たす。 トークン化が再建後の局所的物理的距離ランキングをどれだけよく保存するかを測定するために,身体的ランクの整合性(PRC)を導入する。 本稿では,表現学習と量子化の連携による身体行動関係の保存を行うActionPieceを提案する。
  論文  参考訳（メタデータ） (2026-09-16T11:19:54Z)
• ActFovea: Runtime Safeguarding for VLA Policies via Spatiotemporal Visual-Action Consistency [23.6841289206823]
  視覚言語アクション(VLA)ポリシーは、ロボット操作において強力なパフォーマンスを達成する。 それらは、視覚的な観察、ロボットの状態、実行中の動作の時間的アライメントを損なうランタイム障害に対して脆弱である。 本稿では,ActFoveaについて紹介する。ActFoveaは,VLAポリシーの再トレーニングや修正を行うことなく,そのような障害を検出し緩和する,プラグアンドプレイのセーフガードフレームワークである。
  論文  参考訳（メタデータ） (2026-07-31T08:47:57Z)
• Potential-Guided Flow Matching for Vision-Language-Action Policy Improvement [27.695600755960736]
  自己誘導型フローマッチングポリシであるForesightFlowを紹介した。 それぞれの生成されたアクションチャンクを、学習された成功可能性軌道で拡張する。 候補アクションをスコア付けし、外部の批評家なしで$K$の推論を可能にする。
  論文  参考訳（メタデータ） (2026-06-03T14:49:35Z)
• Learning with Rare Success but Rich Feedback via Reflection-Enhanced Self-Distillation [71.16738415436458]
  本稿では、生の障害フィードバックを補正管理のアクティブソースに変換するフレームワークであるReflection-Enhanced Self-Distillation(RESD)を紹介する。 RESDは、局所的なエラーを診断するために振り返りリフレクションを生成し、持続的なグローバルなプレイブックをキュレートすることで、障害の軌跡を解釈する。 複数の連続学習課題に対する実証的な評価は、RESDが標準の自己蒸留ベースラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2026-05-12T20:46:05Z)
• Test-Time Perturbation Learning with Delayed Feedback for Vision-Language-Action Models [48.89466384943165]
  VLA(Vision-Language-Action Model)は、逐次的な意思決定において優れた性能を発揮するが、微妙な環境変化に対して脆弱である。 検証自由なテスト時間適応フレームワークである遅延フィードバックを用いた摂動学習(PDF)を提案する。
  論文  参考訳（メタデータ） (2026-04-20T11:25:51Z)
• When Actions Go Off-Task: Detecting and Correcting Misaligned Actions in Computer-Use Agents [50.5814495434565]
  この研究は、コンピュータ利用エージェント(CUA)における不整合検出を定義し、研究する最初の試みである。 実世界のCUAデプロイメントにおける3つの一般的なカテゴリを特定し、人間の注釈付きアクションレベルのアライメントラベルを用いたリアルな軌跡のベンチマークであるMisActBenchを構築した。 本稿では,実行前に不整合を検知し,構造化されたフィードバックによって繰り返し修正する,実用的で普遍的なガードレールであるDeActionを提案する。
  論文  参考訳（メタデータ） (2026-02-09T18:41:15Z)

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。