論文の概要: Tracking Task Progress Through Errors and Recovery:A Benchmark and Recurrent Distributional Model
- arxiv url: http://arxiv.org/abs/2610.39125v1
- Date: Thu, 29 Oct 2026 01:13:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 07:48:56.134031
- Title: Tracking Task Progress Through Errors and Recovery:A Benchmark and Recurrent Distributional Model
- Title(参考訳): エラーとリカバリによるタスク進捗の追跡:ベンチマークと繰り返し分布モデル
- Abstract要約: 2つの操作タスクにわたる3,156エピソードのデータセットであるReSTEPを紹介し,オープンソース化する。
ReSTEPは、実行、ミス、リカバリを成功させることで、トレーニングとベンチマークプログレスモニタをサポートする。
本稿では,再帰的な視覚記憶,分布予測,因果ピーク選択を組み合わせたオンラインプログレッシブエスティマであるREMORAを提案する。
- 参考スコア(独自算出の注目度): 39.206428777830546
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Operational strategies for long-horizon robotic tasks require reliable evaluation to determine whether execution is progressing, stalling, regressing, or recovering from errors. Yet real- world robot datasets that capture error recovery and provide frame-level error annotations remain scarce. To address this gap, we introduce and open-source ReSTEP, a dataset of 3,156 episodes across two manipulation tasks with semantic stage labels and frame-level er- ror annotations. ReSTEP supports training and benchmarking progress monitors through successful execution, mistakes, and recovery. Existing progress estimators can struggle to distinguish visually similar task stages and maintain temporally consistent predictions while responding to genuine setbacks. We therefore propose REMORA, an online progress esti- mator that combines recurrent visual memory, distributional prediction, and causal peak selection. Memory retains execution history to help resolve visual ambiguity, while distribu- tional prediction represents alternative progress hypotheses and causal peak selection tracks a supported hypothesis over time. Together, these components enable consistent progress tracking that remains responsive to errors and recovery. Experiments on both ReSTEP tasks demonstrate that REMORA outperforms the state-of-the-art SARM baseline in progress ac- curacy and temporal consistency.
- Abstract(参考訳): 長距離ロボットタスクの運用戦略は、実行が進行しているか、停止しているか、後退しているか、エラーから回復しているかを判断するために、信頼性の高い評価を必要とする。
しかし、エラーリカバリをキャプチャし、フレームレベルのエラーアノテーションを提供する現実世界のロボットデータセットは依然として少ない。
このギャップに対処するために、セマンティックステージラベルとフレームレベルのer-rorアノテーションを備えた2つの操作タスクにわたる3,156エピソードのデータセットであるReSTEPを導入、オープンソース化する。
ReSTEPは、実行、ミス、リカバリを成功させることで、トレーニングとベンチマークプログレスモニタをサポートする。
既存の進捗推定器は、視覚的に類似したタスクステージを識別し、真の後退に対応しながら時間的に一貫した予測を維持するのに苦労する。
そこで我々は,繰り返し発生する視覚記憶,分布予測,因果ピーク選択を組み合わせたオンラインプログレッシブエスティマであるREMORAを提案する。
メモリは視覚的あいまいさを解決するために実行履歴を保持し、ディストリビューオプショナル予測は代替の進行仮説を表し、因果ピーク選択は時間とともに支持された仮説を追跡する。
これらのコンポーネントは、エラーやリカバリに反応しない、一貫した進捗追跡を可能にする。
両方のRESTEPタスクの実験は、REMORAが最先端のSARMベースラインを進歩的ac-精度と時間的一貫性で上回ることを示した。
関連論文リスト
- Lost in Recovery: Demystifying Recovery Behavior of Computer-Use Agents via Goal-Oriented Action Replay [63.05870209824107]
本稿では,コンピュータ利用エージェントの回復行動を研究するためのスケーラブルな評価フレームワークReTraceを提案する。
我々は、制御されたエラーインジェクションの後にゴール指向のアクションリプレイによって、この基準を運用する。
ReTraceを用いて、自律型モデルベースリカバリに関する最初の体系的研究を行う。
論文 参考訳(メタデータ) (2026-10-20T09:59:12Z) - From Trace to Fix: Residual Task State in Long-Horizon Agents [48.005521427284584]
TRACE-FIXは、バージョン管理された残タスク状態を中心とした統合リカバリフレームワークである。
我々はLongH-Debugを提案し、ルート原因の属性、検証されたフォールトリカバリ、エンドツーエンドのクローズドループ実行を独立して評価した。
論文 参考訳(メタデータ) (2026-10-19T04:41:38Z) - CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。
本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
論文 参考訳(メタデータ) (2026-09-21T05:14:34Z) - Rollback the World, Keep the Reflection: Rollback-Induced Reflection for Long-Horizon LLM Agents [56.434418859203085]
大規模言語モデル(LLM)エージェントは、多段階の環境相互作用を通じて、長い水平タスクに対処する。
単一の誤動作は、その後の状態や観測を変更でき、時間とともにエラーが複雑になる。
信頼性回復はロールバック境界制御問題として扱われるべきである。
論文 参考訳(メタデータ) (2026-09-16T08:26:14Z) - ParaRecover: A Process-Level Benchmark for Error Localization and Recovery in Parallel Tool-Use Agents [9.426759720914623]
ParaRecoverは、マルチターン並列ツール使用エージェントのエラーローカライゼーションとリカバリを評価するための、プロセスレベルのベンチマークである。
計画依存関係、ツールの選択、引数マッチングを含む14のエラータイプの詳細な分類に基づいて、ベンチマークは2つの困難レベルにまたがる10,626のインスタンスで構成されている。
実験によると、最先端のモデルでさえも、マルチターンエラーの伝播、ツール使用障害の簡易化、正確な再計画に苦戦している。
論文 参考訳(メタデータ) (2026-09-11T02:09:33Z) - Experience Memory Graph: One-Shot Error Correction for Agents [9.23684438376937]
大規模言語モデル(LLM)エージェントは、エラーを複雑にし、障害から回復するのに苦労する。
既存の自己補正機構は本質的に不安定なプロンプトベースの反射に依存している。
本稿では,エージェント障害回復をグラフマッチング問題として再構成するフレームワークであるExperience Memory Graph (EMG)を提案する。
論文 参考訳(メタデータ) (2026-07-15T14:33:15Z) - See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。
SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。
SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文 参考訳(メタデータ) (2026-03-10T07:22:51Z) - Generative Regression Based Watch Time Prediction for Short-Video Recommendation [36.95095097454143]
短いビデオレコメンデーションシステムでは、時計の時間予測が重要なタスクとして現れている。
最近の研究は、連続時計時間推定を正規回帰タスクに変換することによって、これらの問題に対処しようとしている。
本稿では,WTPをシーケンス生成タスクとして再構成する新しい生成回帰(GR)フレームワークを提案する。
論文 参考訳(メタデータ) (2024-12-28T16:48:55Z)
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。