論文の概要: Revisiting Distribution Matching for State-to-Vision Policy Distillation in Laparoscopic Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2610.31010v1
• Date: Thu, 22 Oct 2026 09:46:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.310067
• Title: Revisiting Distribution Matching for State-to-Vision Policy Distillation in Laparoscopic Robotic Manipulation
• Title（参考訳）: 腹腔鏡下ロボットマニピュレーションにおける状態-ビジョンポリシー蒸留のための再検討
• Abstract要約: 強化学習(Reinforcement Learning, RL)を介して訓練されたエンドツーエンドの制御ポリシーは、従来の外科的ロボット制御のアプローチに代わるものとして登場した。 腹腔鏡下ロボット操作における状態から状態への政策蒸留のための枠組みを提案する。
• 参考スコア（独自算出の注目度）: 16.71481757853012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end control policies trained via Reinforcement Learning (RL) have emerged as an alternative to conventional surgical robotic control approaches, with recent studies exploring state-based policies trained on privileged state observations. However, such approaches rely on precise physical states that are difficult to obtain reliably in surgical environments. Vision-based RL provides an alternative by learning manipulation policies directly from RGB observations, avoiding explicit state estimation and manually engineered perception pipelines while enabling policies to acquire task-relevant visual representations. Nevertheless, obtaining vision-based policies via pure RL methods for surgical manipulation remains challenging. Thus, imitation learning (IL) becomes another solution, yet it requires a large number of expert demonstrations, which are difficult to obtain in minimally invasive surgery. In this work, we propose a framework for state-to-vision policy distillation in laparoscopic robotic manipulation. Specifically, a state-based policy with privileged observations is employed as the teacher, and a vision-based policy learns from RGB observations and robot proprioceptive information, which requires less expert demonstrations than IL and introduces superior performance than RL methods. We conduct extensive experiments on various surgical manipulation tasks in the simulated environment. Experimental results show that, in the context of laparoscopic robotic manipulation, training vision-based policies with general-purpose RL methods is challenging, whereas our proposed state-to-vision policy distillation leads to more consistent and stable performance across tasks.
• Abstract（参考訳）: 強化学習(Reinforcement Learning, RL)を介して訓練されたエンドツーエンドの制御ポリシーは、従来の外科的ロボット制御のアプローチに代わるものとして現れており、近年では特権的な状態観察に基づいて訓練された状態ベースのポリシーを探求している。 しかし、そのようなアプローチは外科的環境において確実な取得が難しい正確な物理的状態に依存している。 ビジョンベースのRLは、RGB観測から直接操作ポリシーを学習し、明示的な状態推定と手作業による知覚パイプラインを避けながら、タスク関連視覚表現の取得を可能にする代替手段を提供する。 それにもかかわらず、外科手術のための純粋なRL法を介して視覚ベースのポリシーを取得することは依然として困難である。 したがって、模倣学習(IL)は別の解決法となるが、多くの専門家によるデモンストレーションが必要であり、最小侵襲の手術では入手が困難である。 そこで本研究では,腹腔鏡下ロボット操作における状態から状態への政策蒸留の枠組みを提案する。 具体的には、特権的な観察を伴う国家ベースの政策を教師として採用し、RGB観察とロボットの受容情報から視覚ベースの政策を学習し、ILよりも専門家によるデモンストレーションを少なくし、RL法よりも優れたパフォーマンスを導入する。 模擬環境における各種手術作業について広範囲にわたる実験を行った。 実験結果から, 腹腔鏡下ロボット操作においては, 汎用RL法による視覚ベースの政策の訓練は困難であることがわかった。

関連論文リスト

• When would Vision-Proprioception Policies Fail in Robotic Manipulation? [24.653339846980376]
  原始受容情報は、リアルタイムなロボット状態を提供することによって正確なサーボ制御に不可欠である。 近年の研究では、視覚保護政策の一般化に関する矛盾した観察が報告されている。 本稿では, 位相依存性の最適化を適応的に調節するGAPアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-02-12T15:00:48Z)
• MoE-ACT: Improving Surgical Imitation Learning Policies through Supervised Mixture-of-Experts [1.6646268910871171]
  位相構造型外科手術作業のための教師付きMixture-of-Expertsアーキテクチャを提案する。 本稿では,150件未満のデモから,軽量なアクションデコーダポリシを用いて,複雑で長期にわたる操作を学習可能であることを示す。 豚のin vivo手術におけるポリシーロールアウトの予備的結果について報告する。
  論文  参考訳（メタデータ） (2026-01-29T16:50:14Z)
• Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids [56.892520712892804]
  本稿では,ヒューマノイドロボットを訓練して3つの巧妙な操作を行う,実用的なシミュレート・トゥ・リアルなRLレシピを提案する。 未確認のオブジェクトやロバストで適応的な政策行動に対して高い成功率を示す。
  論文  参考訳（メタデータ） (2025-02-27T18:59:52Z)
• From Imitation to Refinement -- Residual RL for Precise Assembly [19.9786629249219]
  近年のビヘイビア・クローン(BC)の進歩により、ロボットに新しいタスクを教えるのが容易になった。 しかし、教育の容易さは信頼性の低いパフォーマンスを犠牲にしている。 我々は,BCの教えやすさと長期的能力を維持しながら信頼性を克服する,シンプルで効果的な方法であるResiPを考案した。
  論文  参考訳（メタデータ） (2024-07-23T17:44:54Z)
• Evaluating Real-World Robot Manipulation Policies in Simulation [91.55267186958892]
  実環境と模擬環境の制御と視覚的格差は、信頼性のある模擬評価の鍵となる課題である。 実環境に完全忠実なデジタル双生児を作らなくても、これらのギャップを軽減できる手法を提案する。 シミュレーション環境の集合体であるSIMPLERを作成した。
  論文  参考訳（メタデータ） (2024-05-09T17:30:16Z)
• Distilling Reinforcement Learning Policies for Interpretable Robot Locomotion: Gradient Boosting Machines and Symbolic Regression [53.33734159983431]
  本稿では, ニューラルRLポリシをより解釈可能な形式に蒸留する新しい手法を提案する。 我々は、RLを用いて専門家のニューラルネットワークポリシーを訓練し、(i)GBM、(ii)EBM、(iii)シンボリックポリシーに蒸留する。
  論文  参考訳（メタデータ） (2024-03-21T11:54:45Z)
• Efficient Training of Generalizable Visuomotor Policies via Control-Aware Augmentation [45.62430292728745]
  既存のデータ拡張手法は、画像内のタスク関連情報を妨害し、性能を低下させる可能性がある。 本稿では,既存の手法を改良した汎用型ビズモータポリシーのための効率的なトレーニングフレームワークを提案する。 我々は,DMControl Generalization Benchmark,強化されたロボットマニピュレーション・ディトラクション・ベンチマーク,長期ドローダ・オープンタスクの3つの領域で実験を行った。
  論文  参考訳（メタデータ） (2024-01-17T15:05:00Z)
• Guided Uncertainty-Aware Policy Optimization: Combining Learning and Model-Based Strategies for Sample-Efficient Policy Learning [75.56839075060819]
  従来のロボットのアプローチは、環境の正確なモデル、タスクの実行方法の詳細な説明、現在の状態を追跡するための堅牢な認識システムに依存している。 強化学習アプローチは、タスクを記述するための報酬信号だけで、生の感覚入力から直接操作することができるが、非常にサンプル非効率で脆弱である。 本研究では,ロボットの知覚・運動パイプラインにおける不正確さを克服できる一般的な手法を得るために,モデルに基づく手法の強みと学習に基づく手法の柔軟性を組み合わせる。
  論文  参考訳（メタデータ） (2020-05-21T19:47:05Z)
• Evolutionary Stochastic Policy Distillation [139.54121001226451]
  本稿では,GCRS課題を解決するための進化的政策蒸留法(ESPD)を提案する。 ESPDは、政策蒸留(PD)技術により、ターゲットポリシーを一連の変種から学習することを可能にする MuJoCo制御系に基づく実験により,提案手法の学習効率が向上した。
  論文  参考訳（メタデータ） (2020-04-27T16:19:25Z)

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。