論文の概要: CuraEval: Evaluating Demonstration Curation on Mixed-Skill Robot Data

• arxiv url: http://arxiv.org/abs/2610.38221v1
• Date: Wed, 28 Oct 2026 03:19:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:09.945236
• Title: CuraEval: Evaluating Demonstration Curation on Mixed-Skill Robot Data
• Title（参考訳）: CuraEval: 混合スキルロボットデータを用いたデモキュレーションの評価
• Abstract要約: textbfCuraEvalは、デモスコアの数学的解析と固定サイズマッチングされたランダムサブセットとの比較を組み合わせたフレームワークである。 評価されたPSDスコアは、エピソード長と2乗位の大きさにのみ依存し、テクティットスクエアのエピソード長とほぼ同一のランキングを生成する。 評価条件はホルム補正後の全データトレーニングでは有意に優れるが,信頼区間は有用である。
• 参考スコア（独自算出の注目度）: 2.7810655297039766
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robot imitation learning uses demonstrations from operators of varying skill, but selecting training data remains challenging. Existing methods score demonstrations using smoothness, diversity, or estimated influence on policy performance, but differences in selection and evaluation protocols make it difficult to determine whether they outperform simple baselines. We introduce \textbf{CuraEval}, a framework combining mathematical analysis of demonstration scores with controlled comparisons against fixed size-matched random subsets and full-data training on mixed-skill robomimic data using Diffusion Policy and BC-RNN. We show that the evaluated PSD score depends only on episode length and squared position magnitudes, and produces nearly the same ranking as episode length on \textit{square} ($ρ=0.999$). With Diffusion Policy, selecting the shortest 50\% of demonstrations improves \textit{square} success from 70.7\% under random selection to 76.5\%. Compared with random selection, our adapted geometric-entropy LOO selector reduces success at 25\% retention from 94.7\% to 74.0\% on \textit{can} and achieves 41.7\% on \textit{square}, below the mean success rates of all three independently sampled random subsets (59.8--62.5\%). On the same 3 \textit{square} Diffusion Policy training seeds, length-based selection at 75\% retention improves success over full-data training from 76.7\% to 86.7\% under the original protocol, but lowers it from 80.5\% to 79.5\% after checkpoint reporting, rollout count, and evaluation seed change jointly. No evaluated curated condition significantly outperforms full-data training after Holm correction, although confidence intervals still permit useful gains. Code is available at https://github.com/jiuyixu25/CuraEval.
• Abstract（参考訳）: ロボット模倣学習は、様々なスキルを持つオペレータのデモを使用するが、トレーニングデータを選択することは依然として難しい。 既存の手法では, 平滑性, 多様性, あるいは推定された影響が政策評価に与える影響を評価できるが, 選択や評価プロトコルの違いにより, 単純な基準よりも優れているかどうかを判断することは困難である。 実演スコアの数学的解析と固定サイズマッチングされた乱数部分集合との比較と、拡散ポリシーとBC-RNNを用いた混合スキルロボミクスデータのフルデータトレーニングを組み合わせたフレームワークである「textbf{CuraEval}」を紹介した。 評価されたPSDスコアはエピソード長と2乗位の大きさにのみ依存し, エピソード長とほぼ同程度にランク付けされる(ρ=0.999$)。 Diffusion Policyでは、最も短い50\%のデモを選択すれば、ランダムな選択で \textit{square} の成功率が 70.7\% から 76.5\% に向上する。 適応型幾何エントロピー LOOセレクタは, ランダム選択と比較して, 25 %の保持率を 94.7 % から 74.0 % に減らし, 41.7 % を \textit{ square} で達成し, それぞれ独立にサンプリングされた3つのランダムサブセットの平均成功率 (59.8-62.5 %) を下回った。 3 \textit{ square} Diffusion Policy training seedでは、75\%の保持における長さベースの選択は、元のプロトコルでは76.7\%から86.7\%に改善されるが、チェックポイントレポート、ロールアウトカウント、評価シード変更を併用して80.5\%から79.5\%に低下させる。 評価されたキュレート条件は,Holm修正後の完全データトレーニングよりも有意に優れるが,信頼区間は有用である。 コードはhttps://github.com/jiuyixu25/CuraEval.comで入手できる。

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)
• Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
  言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。 しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。 本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
  論文  参考訳（メタデータ） (2026-10-13T16:19:49Z)
• Learning What to Fail On: Failure-Mode Contextual Bandits for Adversarial Data Curation [14.914697247710622]
  本稿では,自然言語理解における頑健性向上を目的とした,障害対応の逆探索強化フレームワークを提案する。 SNLIではRoBERTaベースの精度が88.48%から92.60%,ANLIでは75.04%から80.95%,MultiNLIでは54.67%から71.99%に向上した。 我々は、RoBERTa-largeを用いて、最大79.86%のFEVERスコアと82.45%の精度でFEVERの事実検証を行う。
  論文  参考訳（メタデータ） (2026-08-19T08:31:15Z)
• Diversity Matters: Distributional Feature Coverage Sample Selection for Data-Efficient Backdoor Attacks [22.452076838251575]
  バックドア攻撃は、モデルがクリーンな精度を維持するためにトレーニングデータを妥協するが、トリガされた入力に対してアタッカー・チョーゼンターゲットを予測する。 本研究では,無訓練トリガ診断法であるDFCS(Distributal Feature Coverage Sample Selection)を提案する。 BadNetsとBlendedのCIFAR-10、Tiny-ImageNet、Imagenetteに対する攻撃全体で、DFCSは6つのデータセット-アタック設定で7つのセレクタの中で最高平均攻撃成功率を達成する。
  論文  参考訳（メタデータ） (2026-08-10T02:52:24Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• Automated Proving of Shannon-Type Entropy Inequalities via Fine-Tuned Language Models and Guided Tree Search [50.16356451328644]
  シャノン型エントロピーの不等式を証明することは情報理論の基本的な課題である。 我々は,原子実証のステップを微調整した小規模大規模言語モデルがこのプロセスを自動化することができるか検討する。 GPT-5.5は0ショットプロンプトで1.7%のサンプルを解き、Psitipは33.3%のサンプルを解いた。
  論文  参考訳（メタデータ） (2026-06-04T05:43:12Z)
• STAMP: Outlier-Aware Test-Time Adaptation with Stable Memory Replay [76.06127233986663]
  テスト時間適応(TTA)は、トレーニングデータとテストデータの間の分散シフトに、未ラベルのデータのみを用いて対処することを目的としている。 本稿では,サンプル認識とオフリエ拒絶の両方を行う問題に注意を払っている。 本稿では,STAble Memory rePlay (STAMP) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-07-22T16:25:41Z)
• Neighborhood-Regularized Self-Training for Learning with Few Labels [21.7848889781112]
  自己学習の欠点の1つは、誤った擬似ラベルからのラベルノイズに弱いことである。 そこで我々は, 周辺住民によるサンプル選択手法を開発し, ノイズのある擬似ラベルの問題に対処する。 提案したデータ選択戦略は擬似ラベルのノイズを36.8%削減し、最良のベースラインと比較して57.3%の時間を節約する。
  論文  参考訳（メタデータ） (2023-01-10T00:07:33Z)
• Reducing Variance in Temporal-Difference Value Estimation via Ensemble of Deep Networks [109.59988683444986]
  MeanQは単純なアンサンブル法であり、ターゲット値をアンサンブル平均として推定する。 本稿では,Atari Learning Environmentベンチマークを用いた実験において,MeanQが顕著なサンプル効率を示すことを示す。
  論文  参考訳（メタデータ） (2022-09-16T01:47:36Z)

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。