論文の概要: When, Where, and What to Correct: Human-Guided Adaptive Residual Correction for Robot Policies

• arxiv url: http://arxiv.org/abs/2610.37547v1
• Date: Tue, 27 Oct 2026 16:58:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.723884
• Title: When, Where, and What to Correct: Human-Guided Adaptive Residual Correction for Robot Policies
• Title（参考訳）: ロボット政策の適応的残差補正はいつ、どこで、何が正しいのか?
• Abstract要約: 本稿では, 適応残差補正 (ARC) を導入し, 凍結ポリシの上の残差補正を学習する。 ARCは、人間の修正を模倣の標的として扱うのではなく、事前介入状態を用いて「いつ」残留制御がアクティブになるべきかを判断する。 ARCは平均タスク成功率を33.3%から75.0%に改善している。
• 参考スコア（独自算出の注目度）: 10.706547961529424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imitation policies that reliably execute most of a manipulation trajectory can still fail in localized regions requiring last-mile precision. Updating the full policy or exploring residual actions everywhere treats this local failure as a global learning problem. We introduce Adaptive Residual Correction (ARC), a lightweight post-training module that uses reinforcement learning (RL) to learn a residual correction on top of a frozen policy while using sparse human corrections to structure autonomous exploration. Rather than treating human corrections as imitation targets, ARC uses pre-intervention states to determine 'when' residual control should become active and correction geometry to determine 'where' in residual action space autonomous refinement should explore; task reward determines 'what' residual is ultimately executed. Across three precision-manipulation tasks on a real robot, ARC improves average task success from 33.3% to 75.0%. The human corrections define task-dependent 2-3 dimensional subspaces of the seven-joint residual space that retain 96.0-97.7% of squared correction magnitude. Together, these results show that sparse human corrections can localize and constrain autonomous post-training without requiring the observed correction itself to serve as the final action target.
• Abstract（参考訳）: 操作軌道の大部分を確実に実行する模倣ポリシーは、ラストマイル精度を必要とする局所的な領域で失敗する可能性がある。 完全な方針の更新や残余な行動の探索は、このローカルな失敗をグローバルな学習問題として扱う。 本稿では,RL(Regressed Learning)を用いた軽量後学習モジュールであるARC(Adaptive Residual Correction)について紹介する。 ARCは、人間の修正を模倣の標的として扱うのではなく、事前介入状態を用いて、残余制御がアクティブになるかどうかを判断し、修正幾何学を用いて、残留作用空間における「場所」を探索する。 実際のロボットにおける3つの精密操作タスクの中で、ARCは平均的なタスク成功率を33.3%から75.0%に改善している。 人間の補正は、96.0-97.7%の正方形補正等級を保持する7つの接合残空間のタスク依存の2-3次元部分空間を定義する。 これらの結果から,観察された補正自体を最終的行動目標として機能させることなく,少ない人間の修正が自律的なポストトレーニングの局所化と制約を達成できることが示唆された。

関連論文リスト

• EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation [54.5481724465918]
  EmbodiRSIは、リアルからシミュレート・トゥ・リアル・セッティングにおける反復的な政策改善のためのシステムである。 タスク固有のシミュレーションは、ターゲットのデプロイメントシナリオから構築され、低コストな環境として使用される。 400の適応的なシミュレートされた軌道と、サブタスクごとに10の現実世界の軌道しか持たないため、EmbodiRSIは83.1%のシーンバランスの自律的実世界の成功を達成している。
  論文  参考訳（メタデータ） (2026-09-30T03:54:53Z)
• BEE: Intervention-Adaptive Real-World Reinforcement Learning with Vision-Language-Action Models [9.447941566129122]
  BEEは、凍結したVLA上の現実世界のRLのための介入適応フレームワークである。 我々は、人間の修正を再現する行為ではなく、制約の証拠として定式化する。 BEEは全てのタスクにおいて最も成功率の高い91.2%、RLTでは57.5%、DSRLでは42.1%、現実世界では最低の人間の介入率である。
  論文  参考訳（メタデータ） (2026-09-23T07:14:20Z)
• Learning When to Refine: Long-Horizon Reinforcement Learning for Budgeted Neural-Operator PDE Solvers [0.0]
  PDEに対する適応型ニューラル演算解法を定式化する。 グローバル・ニューラル・オペレーターが全フィールドを前進させ、局所オペレーターがパッチワイド残差補正を提案し、セットアウェア・セレクタがどこで精製するかを選択する。 固定改良予算の下では, 局所補正の値は, 自己回帰軌道に対する下流効果に依存することを示す。
  論文  参考訳（メタデータ） (2026-09-19T12:17:32Z)
• 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)
• Warp RL: Reshaping Base Policy Distributions for Dynamics Adaptation [3.3656696418661975]
  残留強化学習は、その動作に付加的な補正を学習することにより、事前訓練されたロボットポリシーに適応する。 基底分布が幾何的に変化した系と一致していない場合、残差補正は未適応のポリシーでさえも過小評価可能であることを示す。 基本方針の行動分布の可逆的状態条件変換を付加残差に置き換える政策適応手法であるWarp RLを提案する。
  論文  参考訳（メタデータ） (2026-06-30T02:25:51Z)
• ARC-STAR: Auditable Post-Hoc Correction for PDE Foundation Models [47.9430487327673]
  ARC-STARは修正を3段階にまとめる: グローバルな修正器は広い解法バイアスを除去し、ブロックワイドな局所精錬器はポストグロバル残差を浄化し、展開時にはラベルフリースコアは計算予算の下でハイリスクなブロックに精算する。 ARC-STARは、全ての細胞で生ポセイドンよりも少なくとも36倍の速度ロールアウト誤差を減少させる唯一の方法である。
  論文  参考訳（メタデータ） (2026-05-21T09:26:16Z)
• Hi-WM: Human-in-the-World-Model for Scalable Robot Post-Training [54.896907620476675]
  本稿では,学習世界モデルを用いた学習後学習フレームワークを提案する。 Hi-WMは中間状態をキャッシュし、ロールバックとブランチをサポートする。 我々は、剛性と変形性のあるオブジェクト相互作用と2つのポリシーバックボーンにまたがる3つの実世界の操作タスクについて、Hi-WMを評価する。
  論文  参考訳（メタデータ） (2026-04-23T14:42:54Z)
• FlowCorrect: Efficient Interactive Correction of Generative Flow Policies for Robotic Manipulation [0.7666240799116112]
  FlowCorrectはモジュール型のインタラクティブな模倣学習アプローチで、フローマッチング操作ポリシのデプロイメント時適応を可能にする。 実際のロボットを4つのテーブルトップタスク(ピック・アンド・プレイス、注ぐ、カップアップライト、挿入)で評価した。 修正予算の低いFlowCorrectは、以前に失敗したケースで80%の成功率を達成した。
  論文  参考訳（メタデータ） (2026-02-25T16:06:49Z)

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。