論文の概要: ElevateHead: Decide Once, Then Commit: When the Action Head Matters for Multimodal Imitation

• arxiv url: http://arxiv.org/abs/2610.34031v1
• Date: Sun, 25 Oct 2026 03:46:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.521104
• Title: ElevateHead: Decide Once, Then Commit: When the Action Head Matters for Multimodal Imitation
• Title（参考訳）: ElevateHead: 一度決定し、コミット: アクションヘッドがマルチモーダルな模倣に重要であるとき
• Abstract要約: アクションヘッド(状態がアクションになるポリシーの一部)がいつ重要か、どのようにしてこの選択をすべきかを問う。 コントロールされたタスクでは、サンプルの頭は平均的な頭よりもはるかに頻繁に成功します。 本論文のフォローアップ版では,事前に予測を固定した実ロボットテストが計画されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots that learn from people often see several valid ways to do the same task: pass an obstacle on the left or on the right, open the microwave or move the kettle first. A policy that re-decides at every step can waver between these ways mid-task. We ask when the action head (the part of a policy that turns the state into actions) matters, and how it should make this choice. On a controlled task, heads that sample one way succeed far more often than a head that averages the ways when the demonstrations contain several ways and the state gives no hint which to take (+0.72 success with two ways); this trend was not reproduced on the other tasks we ran. We then present ElevateHead, a head that decides once at a learned decision point, commits to that choice for the episode, and exposes the choice as an input a user can set. We designed it by diagnosis: each version was frozen and tested on tasks it had not seen, and the next version changed only what a measured failure pointed to; predictions were registered before each run. The first four versions each fell below BeT on at least one held-out task. The fifth completed all four subtasks of the held-out Franka Kitchen task in 45.2% of episodes against 29.3% for BeT, the strongest baseline across our tasks (+0.160, 95% CI [+0.129, +0.188]); when a mode was forced, the first completed subtask matched it in 95% of successful episodes. Diagnosis also located where commitment breaks: varied start positions (repaired on the controlled task: commitment 0.22 to 0.81, success 0.74 to 0.91) and varied object placement (partly repaired: in an exploratory variant, commitment 0.03 to 0.59 on aligning with no detectable change in success). On held-out block stacking, version 4 was comparable to BeT and did not exceed it. A real-robot test with predictions fixed in advance is planned for a follow-up version of this paper.
• Abstract（参考訳）: 人から学ぶロボットは、左または右に障害物を渡したり、電子レンジを開けたり、ケトルを移動したりするなど、同じ作業をするのに有効な方法がいくつかある。 あらゆるステップで再決定するポリシーは、タスクの途中でこれらの方法の間で揺らぎます。 アクションヘッド(状態がアクションになるポリシーの一部)がいつ重要か、どのようにしてこの選択をすべきかを問う。 コントロールされたタスクでは、ある方法でサンプルをサンプリングするヘッドは、デモがいくつかの方法を含む場合の平均的な方法よりもはるかに頻繁に成功し、州はどの方法をとるかのヒントを与えない(+0.72の成功は2つの方法で)。 次に、学習した決定ポイントで一度決定するヘッドであるElevateHeadを紹介し、エピソードの選択にコミットし、ユーザが設定できる入力として選択を公開する。 各バージョンは凍結してテストされ、見ていないタスクでテストされ、次のバージョンは測定された障害が指しているものだけを変更しました。 最初の4つのバージョンはそれぞれ、少なくとも1つのホールドアウトタスクでBeTを下回った。 第5話は、Franka Kitchenタスクの4つのサブタスクを45.2%、BeTでは29.3%で完了し、タスク全体で最強のベースライン(+0.160,95% CI [+0.129, +0.188])となった。 診断は、様々な開始位置(制御されたタスク:コミット0.22から0.81、成功0.74から0.91、成功0.74から0.91)と、さまざまなオブジェクト配置(部分的には修復された:探索的な変種では、成功の発見不可能な変更と整合するコミットメント0.03から0.59)である。 ホールドアウトブロックスタックでは、バージョン4はBeTに匹敵し、それを超えることはなかった。 本論文のフォローアップ版では,事前に予測を固定した実ロボットテストが計画されている。

関連論文リスト

• VeriVLA: Adaptive Test-Time Verification for Flow-Based VLAs with Latent World Models [50.77784979595945]
  トレーニング不要な2軸トリガを導入し,時間内変動とサンプル間のばらつきを測定した。 一度起動すると、JEPAベースの潜在世界モデルは、アクション条件付き将来の潜在状態を予測することによって、候補アクションチャンクをランク付けする。 提案手法は, 平均完了スコアを50.8%から65.5%に引き上げると同時に, トリガ決定毎のサンプリングと検証に326msを加算する。
  論文  参考訳（メタデータ） (2026-10-15T14:34:44Z)
• Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning [49.96968347002295]
  人間のデモから学ぶことは、ロボットに新しいタスクを教えるための信頼できる方法だが、ポリシーが改善するにつれて、追加のデモから得られる利益は減少する。 我々は、高精度な操作タスクにおいて、監督エピソードの固定予算から改善を最大化する方法を問う。 フェールが初期状態の小さなサブセットに集中できることを観察するため、均一なコレクションは、ポリシーがすでに処理している状態にオペレータの時間の大部分を費やします。
  論文  参考訳（メタデータ） (2026-10-05T06:56:13Z)
• When Low Prediction Error Misleads Planning: Diagnosing Representation, Dynamics, and Decision Failures in Latent World Models [4.378939691762539]
  潜在世界モデルの予測誤差を支配しているコンポーネントは、修復がアクション選択を最も改善するコンポーネントである必要はない。 動作シーケンスを同一の物理スタートから比較し、エンドポイントエラーを候補プールセンターとアクション相対応答に分離する。 これら6つの細胞において、行動関連応答のみを補正するオラクルは、中心のみを補正するものよりも、より優れた物理ランク相関と上位30のエリート品質をもたらす。
  論文  参考訳（メタデータ） (2026-10-04T21:23:48Z)
• CriticHack: Evaluating Visual Rewards Under Robot Policy Optimization [7.391591776073451]
  報酬モデルは、タスクを完了させるのと同じくらい、間違ったオブジェクトに作用する実行をスコアすることができる。 このような報酬を最適化することは、これらの間違った目的の失敗を増幅し、報酬とタスクの成功は共に上昇することを示す。
  論文  参考訳（メタデータ） (2026-10-01T21:57:25Z)
• LIBERO-MAX: Do Robot Policies Adapt When the World Changes? [61.52324972910026]
  多くのシミュレーションロバストネスベンチマークは、リセット時に外部条件を修正し、この時間的課題を過小評価する。 LIBERO-MAXは、幾何学、観察、外観、乱雑、経路の8種類の変化にまたがる8000のペアケースのベンチマークである。 各ペアはタスク実行と、タスク、初期状態、ポリシーシード、修正前のアクションシーケンスを保持する中タスクイベントとを比較します。
  論文  参考訳（メタデータ） (2026-09-29T02:12:26Z)
• CLAP: Closed-Loop Alignment with Pressure for Precise Suction Manipulation [50.72629909392354]
  本稿では,真空ラインにタップされた圧力モジュールを通してアタッチメント状態を観測できるCLAPを提案する。 データについては、物理ロボット上でゴール状態の分解を記録し、関節状態のシーケンスをオフラインで反転させる。 実際のUnitree Z1では、1つのマルチタスクチェックポイントが96.67%に達する。
  論文  参考訳（メタデータ） (2026-09-26T16:40:23Z)
• Constructing Challenging Browser-Use Tasks by Controlled Environment Interventions [26.059682236331728]
  BreakingWebは、すべてのベースタスクと、ユーザ命令、潜在ターゲット、およびバックエンド成功基準を保存する介入条件をペアリングする。 介入により、エージェントのパスレートが平均で22.9%削減され、各エージェントがきれいに解決するタスクのほぼ半分が覆われた。 6人のエージェントの失敗の75%は、要求された変更は起こらなかったが、宣言された成功で終わった。
  論文  参考訳（メタデータ） (2026-09-20T16:16:23Z)
• DISEIL: Demonstration Distillation for Sample-Efficient Imitation Learning [9.120174319083656]
  DISEILは、まずポリシーが信頼できなくなるステップで、失敗した各エピソードをマークします。 視覚言語モデルと言語モデルは選択したモードを読み、次のデモの要求を書きます。 ロボットアクションを生成するモデルは存在しない。
  論文  参考訳（メタデータ） (2026-09-08T01:59:04Z)
• Capable but Unreliable: Canonical Path Deviation as a Causal Mechanism of Agent Failure in Long-Horizon Tasks [0.38991526486631006]
  信頼性障害の多くは、タスクの潜在解構造からのドリフトに起因するものであり、能力障害ではない、と我々は主張する。 我々は、モデル能力と作業難易度を維持できる自然実験を用いて、これを因果的に確立する。
  論文  参考訳（メタデータ） (2026-02-22T02:37:57Z)
• From Continual Learning to SGD and Back: Better Rates for Continual Linear Models [50.11453013647086]
  以前見られたタスクの損失を、$k$の繰り返しの後、忘れること、すなわち、分析する。 実現可能な最小二乗の設定において、新しい最上界を創出する。 我々は、タスクを繰り返しないランダム化だけで、十分に長いタスクシーケンスで破滅的な事態を防げることを初めて証明した。
  論文  参考訳（メタデータ） (2025-04-06T18:39:45Z)

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。