論文の概要: DiscoDemo: Discovering Efficient and Diverse Robot Demonstrations for Imitation Learning

• arxiv url: http://arxiv.org/abs/2610.32093v1
• Date: Fri, 23 Oct 2026 02:55:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.329309
• Title: DiscoDemo: Discovering Efficient and Diverse Robot Demonstrations for Imitation Learning
• Title（参考訳）: DiscoDemo: 模倣学習のための効率的で多様なロボットデモを発見
• Abstract要約: 本稿では,RL(Regressed Learning)をデプロイ可能なコントローラとしてではなく,下流のビジュモータ模倣学習のためのデータジェネレータとして研究する。 我々はDiscoDemoを紹介した。これは特権付き潜在条件付きRLジェネレータを、多様な解を見つけるために成功に導かれた多様性の目標で訓練する。 4つの操作タスク全体で、DiscoDemoはより広範な状態カバレッジを生成し、シミュレーションと現実世界の両方で下流のビジュモータポリシーを改善している。
• 参考スコア（独自算出の注目度）: 48.259554783813364
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Behavior cloning for robotic manipulation is highly sensitive to the coverage of its training data, yet collecting diverse successful demonstrations remains costly. We study reinforcement learning (RL) not as a deployable controller, but as a data generator for downstream visuomotor imitation learning. Our key premise is that multiple successful solution modes cover a broader range of successful trajectories than repeatedly collecting a single narrow solution. We introduce DiscoDemo, which trains a privileged latent-conditioned RL generator with a parallel reverse curriculum and a success-gated diversity objective to discover diverse solutions while preserving task success. The trained generator produces multiple successful closed-loop behaviors, which are safety-filtered and exported as a static dataset for downstream imitation learning. Across four manipulation tasks, DiscoDemo produces broader successful-state coverage and improves downstream visuomotor policies in both simulation and the real world. Averaged across tasks, downstream success increases to 62% from 40% for the strongest baseline in simulation, and to 78% from 39% on the real robot, respectively. These results suggest that successful solution diversity improves imitation learning for a pretrained flow-matching VLA and remains complementary to corrective data collection. Project page: https://davian-robotics.github.io/DiscoDemo
• Abstract（参考訳）: ロボット操作のための行動クローニングは、トレーニングデータのカバレッジに非常に敏感だが、さまざまな成功事例の収集にはコストがかかる。 本稿では,RL(Regressed Learning)をデプロイ可能なコントローラとしてではなく,下流のビジュモータ模倣学習のためのデータジェネレータとして研究する。 我々のキーとなる前提は、一つの狭い解を繰り返し集めるよりも、複数の成功解モードが幅広い成功軌跡をカバーすることである。 タスク成功を保ちながら多様な解を見出すために, 並列的な逆カリキュラムと多彩な多様性を目標とした特権付き潜在条件付きRLジェネレータを訓練するDiscoDemoを紹介した。 トレーニングされたジェネレータは、複数のクローズドループ動作を生成し、安全フィルタリングされ、下流の模倣学習のための静的データセットとしてエクスポートされる。 4つの操作タスク全体で、DiscoDemoはより広範な状態カバレッジを生成し、シミュレーションと現実世界の両方で下流のビジュモータポリシーを改善している。 タスクによって平均して、ダウンストリームの成功率は、シミュレーションにおいて最強のベースラインの40%から62%、本物のロボットの39%から78%に増加した。 これらの結果から, 解の多様性は, 事前学習された流れマッチングVLAの模倣学習を改善し, 補正データ収集に相補的であることが示唆された。 プロジェクトページ: https://davian-robotics.github.io/DiscoDemo

関連論文リスト

• DenseReward: Dense Reward Learning via Failure Synthesis for Robotic Manipulation [67.08835970838996]
  強化学習は模倣学習の限界を超えてロボットポリシーを改善するための大きな約束である。 2つの重要な課題は、さまざまな障害データを大規模に取得し、スパース軌道レベルの成功ラベルを超えて、きめ細かい報酬信号を取得することである。 両課題に対処する高密度ロボット報酬モデルであるDenseRewardを紹介した。
  論文  参考訳（メタデータ） (2026-07-14T17:59:29Z)
• GenFlowRL: Shaping Rewards with Generative Object-Centric Flow in Visual Reinforcement Learning [79.68241687396603]
  本稿では,多種多様な組織間データセットから学習した生成フローから,形状の報酬を導出するGenFlowRLを提案する。 GenFlowRLは、生成したオブジェクト中心の流れから抽出した操作機能を効果的に活用できることを、シミュレーションと実世界のクロスエボディメント評価の両方で実証した。
  論文  参考訳（メタデータ） (2025-08-14T20:19:20Z)
• The Unreasonable Effectiveness of Discrete-Time Gaussian Process Mixtures for Robot Policy Learning [13.599764233174973]
  MiDiGapは、ロボット操作におけるフレキシブルポリシー表現と模倣学習のための新しいアプローチである。 1分以内でCPU上のタスクを学習し、大規模なデータセットに線形にスケールする。 様々な数ショットのベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-05-06T08:27:23Z)
• Single-Shot Learning of Stable Dynamical Systems for Long-Horizon Manipulation Tasks [48.54757719504994]
  本稿では,必要なトレーニングデータ量を削減しつつ,タスク成功率の向上に焦点をあてる。 提案手法では,長距離実証をウェイポイントとサブゴールで定義された離散ステップに分割する手法を提案する。 シミュレーションと実世界の両方の実験を通して,本手法を検証し,シミュレーションから物理ロボットプラットフォームへの効果的移行を実証した。
  論文  参考訳（メタデータ） (2024-10-01T19:49:56Z)
• Improving Behavioural Cloning with Positive Unlabeled Learning [15.484227081812852]
  本稿では,混合品質のロボットデータセットにおける専門家の軌跡を特定するための,新しい反復学習アルゴリズムを提案する。 結果のフィルタデータセットに行動クローンを適用することで、競合するオフライン強化学習と模倣学習ベースラインを上回っます。
  論文  参考訳（メタデータ） (2023-01-27T14:17:45Z)
• A Framework for Efficient Robotic Manipulation [79.10407063260473]
  単一のロボットアームがピクセルからスパースリワード操作ポリシーを学習できることを示します。 デモは10回しかなく、単一のロボットアームがピクセルからスパースリワード操作のポリシーを学習できることを示しています。
  論文  参考訳（メタデータ） (2020-12-14T22:18:39Z)

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。