論文の概要: From 12 to 200 Demonstrations: How ACT, Diffusion Policy, SmolVLA and $π_{0.5}$ Scale on a Low-Cost Arm

• arxiv url: http://arxiv.org/abs/2610.37170v1
• Date: Tue, 27 Oct 2026 12:57:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.629636
• Title: From 12 to 200 Demonstrations: How ACT, Diffusion Policy, SmolVLA and $π_{0.5}$ Scale on a Low-Cost Arm
• Title（参考訳）: 12から200のデモ: ACT, Diffusion Policy, SmolVLA and $π_{0.5}$ scale on a Low-Cost Arm
• Abstract要約: われわれは,12,25,50,100,200回の遠隔操作実験において,広く使用されている4つの模倣学習政策であるACT,拡散政策,SmolVLA,$_0.5$を訓練した。 訓練された全てのモデルは、固定されたオブジェクト配置上の物理的なSO-101アーム上で実行された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We trained four widely used imitation-learning policies, ACT, Diffusion Policy, SmolVLA and $π_{0.5}$, on nested subsets of 12, 25, 50, 100 and 200 teleoperated demonstrations of one pick-and-place task with distractor objects, using one fixed training recipe per policy. Every trained model was then run on a physical SO-101 arm on a fixed set of object placements: 1,340 scored episodes in 126 blocks. ACT, trained from scratch, rose from 1 success in 40 episodes at 12 demonstrations to 37 in 40 at 100. $π_{0.5}$ with its action expert fine-tuned was the best policy when data was scarce (16 of 40 at 12 demonstrations, 28 of 40 at 25) and then stayed near 70%; from 100 demonstrations ACT was ahead, by a margin this study does not fully resolve. SmolVLA and Diffusion Policy peaked near 50%, and both were affected by a failure to start: SmolVLA's arm never started moving in 47% of episodes, and Diffusion Policy hardly ever started until an idle lead-in was trimmed from the demonstrations. For $π_{0.5}$ the fine-tuning recipe mattered more than the amount of data: low-rank adaptation succeeded in 4 of 110 episodes, against 130 of 200 for action-expert fine-tuning. From the joint and camera recordings we place every episode on a four-stage ladder (started, reached the ball, carried it, delivered it) and show that for ACT more data moves failures from reaching, to grasping, to none, while the failures $π_{0.5}$ retains are in grasping. We also measure how weak a ten-episode block is as a measurement (the same checkpoint tested twice differs by 2 successes in 10 on average), separate seed-to-seed variation from that noise, and audit the human scoring against the recordings. Training length was fixed within each recipe, so the amount of data and the number of times it was seen change together; we state which conclusions survive that confound and which do not.
• Abstract（参考訳）: 12,25,50,100,200の巣状部分集合に対してACT,拡散政策,SmolVLA,π_{0.5}$の4つの多用された模倣学習政策を訓練した。 訓練されたすべてのモデルは、固定されたオブジェクト配置のSO-101アーム上で実行され、1,340回が126ブロックで記録された。 ACTはスクラッチからトレーニングされ、12回のデモで40回で1回の成功から100回で37回まで上昇した。 π_{0.5}$ のアクションエキスパートによる微調整は、データが不足していたとき(12回のデモでは40点中16点、25回のデモでは40点中28点)に、70%近くにとどまった。 SmolVLAとディフュージョン・ポリシーは50%近くピークに達し、どちらも開始に失敗した: SmolVLAの腕はエピソードの47%で動き始めず、ディフュージョン・ポリシーはアイドル・リードインがデモから切り離されるまでほとんど始まらなかった。 π_{0.5}$の場合、微調整のレシピはデータ量以上に重要であり、低ランク適応は110エピソード中4話で成功し、アクションエキスパートの微調整では130話中200話で成功しました。 ジョイントとカメラの録音から、各エピソードを4段のはしご(開始、到達、ボールの運び、納品)に配置し、ACTのためにより多くのデータが障害を到達、把握、無に移動させ、π_{0.5}$の障害が保持されていることを示す。 また,10エピソードブロックの弱さを測定として測定し(同じチェックポイントが平均10回で2回異なる),そのノイズからシード・ツー・シードの変動を分離し,記録に対する評価を行った。 各レシピ内でトレーニング期間が固定されたので、データの量と、それが確認された回数が一緒に変化する。

関連論文リスト

• ElevateHead: Decide Once, Then Commit: When the Action Head Matters for Multimodal Imitation [0.0]
  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。
  論文  参考訳（メタデータ） (2026-10-25T03:46:52Z)
• 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)
• Learn Now, Use Next, Trust Later: Prequential Test-Time Learning for LLM Agents [55.440058537827134]
  StepLearnは、永続的な信頼から即時の使用を分離する非パラメトリックフレームワークである。 情報的な遷移を仮説に変え、次のステップを導く。 GPT-5-miniでの平均成功率は59.9%、84.0%、Qwen3.5-35B-A3Bで57.8%、88.1%である。
  論文  参考訳（メタデータ） (2026-09-28T08:06:03Z)
• 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)
• PolicyAttention: Softmax Attention Implements Policy Mirror Descent for Closed-Loop Control [1.491109220586182]
  負のエントロピーポリシーミラー降下(PMD)は、ステートワイズで$operatornamePMD_(,Q)=operatornamesoftmax(log+Q)$を持つ。 我々は,アクター,ルーティング,サンプリング,正規化を明示した1ステップクリティカルプロトコルを1つの固定因果-ソフトマックスアクター-環境-構築し,それらを実際に返却された残留ポリシーに伝達する。
  論文  参考訳（メタデータ） (2026-09-24T19:37:25Z)
• Learned, Then Lost: A Measured Single-Example Counterfactual in Pre-training [0.0]
  OpenWebTextのスクラッチから124Mパラメータで32 GPT-2モデルをトレーニングします。 256-rowバッチの1行を194-tokenパスを持つ固定コンテキストインジェクションに置き換える。
  論文  参考訳（メタデータ） (2026-08-19T17:46:08Z)
• Flat Score, Amplified Failures: How the Error Budget Masks Damage in Quantized LLM Agents [19.600181756177303]
  密度とMoEの2つのモデルファミリの2ドルベンチでは、量子化は標準メートル法では自由に見える。 量子化は、モデルが既に示す失敗を最大2.5$times$の完全精度で増幅する。 目標とするエラー修正プロンプトは、正確度毎に5つの通信モデルで実行される。
  論文  参考訳（メタデータ） (2026-07-29T12:40:04Z)
• Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment [53.913175773174636]
  既存のパイプラインは、自己リセット、VLM検証、言語指導による修正を通じて、人間の労力を減らす。 Zero2Skill(ゼロ2スキル)は、人ロボットの共生型エージェントシステムで、丸ごとの修正を維持・再利用する。
  論文  参考訳（メタデータ） (2026-07-15T17:16:24Z)
• How Reliable Are AI Attackers Against a Fixed Vulnerable Target? A 400-Run Empirical Study of LLM Penetration Testing Consistency [0.0]
  大規模言語モデル(LLM)は、多段階のサイバー攻撃を自律的に行うことができるが、その攻撃行動の一貫性は調査されていない。 この研究は、Juice Shopをホストする同一のハニーポットに対して400ラン(4モデル、100台)の攻撃一貫性を実証した最初の大規模な実験的な測定結果を示す。 オーケストレータのワンショットの承認が0-1で再発効したコンテントの拒絶は、モデルでは発生しなかった。
  論文  参考訳（メタデータ） (2026-05-28T15:39:43Z)

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。