論文の概要: Smooth Action Chunking Via Movement-Primitive Representations for Imitation Learning

• arxiv url: http://arxiv.org/abs/2610.39451v1
• Date: Thu, 29 Oct 2026 06:24:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.467317
• Title: Smooth Action Chunking Via Movement-Primitive Representations for Imitation Learning
• Title（参考訳）: 動きに対する平滑な行動チャンキング-模倣学習のためのプリミティブ表現
• Abstract要約: 模倣学習は視覚に基づくロボットポリシーに広く採用されている。 アクションチャンキングが標準インターフェースになった。 命令された軌道はチャンク内および連続チャンク間の両方でジャーキーである。 本稿では,移動原始的軌道表現をアクションチャンキングに組み込むことにより,この問題に対処する。
• 参考スコア（独自算出の注目度）: 34.27428277005379
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imitation learning has become a widely adopted approach for vision-based robot policies, owing to its conceptual simplicity, scalability, and ability to leverage large-scale datasets. As these policies have grown more capable, action chunking has become their standard interface. At each decision step the policy outputs several future actions at once. Backbones from diffusion policies to large vision-language-action models all share it. Whatever backbone produces the chunk, its temporal structure is learned only implicitly. The commanded trajectory is therefore jerky both within a chunk and between successive chunks. On real hardware this appears as visible vibration and as repeated saturation of the follower's velocity limit. We address this issue by incorporating a movement-primitive-based trajectory representation into action chunking. Specifically, a trajectory segment is represented as a linear combination of smooth basis functions, yielding smooth trajectories by construction while leaving the policy architecture, training objective, and inference procedure unchanged. The same representation also yields a closed-form, inference-time correction for the second source of jerk. We condition the predicted coefficients so that the new chunk passes through a via-point at the previous chunk's last commanded action. This correction needs no retraining and, unlike asynchronous Real-Time Chunking, applies to policies queried in one shot. We instantiate it on a one-shot (ACT) and an iterative (DiT) backbone and evaluate in simulation and on a real bimanual ALOHA platform. The representation lowers within-chunk jerk by an order of magnitude on the one-shot backbone and by 2.4 times on the iterative one, with task success statistically non-inferior. The conditioning then removes 73-84% of the boundary discontinuity, at negligible per-step cost.
• Abstract（参考訳）: 模倣学習は、その概念的単純さ、スケーラビリティ、大規模データセットを活用する能力から、視覚ベースのロボットポリシーに広く採用されている。 これらのポリシーがより有能になるにつれて、アクションチャンキングが標準インターフェースになっている。 各決定ステップでは、ポリシーは複数の将来のアクションを一度に出力する。 拡散ポリシーから大きな視覚-言語-アクションモデルまで、すべてのバックボーンが共有します。 バックボーンが何を生成していても、その時間構造は暗黙的にのみ学習される。 したがって、命令された軌道はチャンク内および連続チャンクの間の両方でジャーキーである。 実際のハードウェアでは、これは可視振動として、また追従者の速度制限の繰り返し飽和として現れる。 本稿では,移動原始的軌道表現をアクションチャンキングに組み込むことにより,この問題に対処する。 具体的には、軌道セグメントを滑らかな基底関数の線形結合として表現し、ポリシーアーキテクチャ、訓練目標、推論手順をそのまま残しながら、構成によって滑らかな軌道を得る。 同じ表現はまた、ジャークの第2元に対する閉形式、推測時間補正を与える。 我々は、予測された係数を、新しいチャンクが前のチャンクの最後の命令された動作の傍受点を通過するように条件付けする。 この修正は再トレーニングを必要とせず、非同期リアルタイムチャンキングとは異なり、1ショットでクエリされたポリシーにも適用される。 ワンショット (ACT) とイテレーティブ (DiT) のバックボーン上でインスタンス化し,シミュレーションおよび実際の双方向ALOHAプラットフォーム上で評価する。 この表現は、1発のバックボーンで桁違いに小さく、反復で2.4倍小さく、タスク成功は統計的に非劣悪である。 条件付けにより、境界の不連続性の73～84%が取り除かれ、ステップ毎のコストは無視できる。

関連論文リスト

• Action Chunking Proximal Policy Optimization with Feedback Correction [24.47744124194428]
  アクションチャンキングは強化学習における時間的抽象化を提供する。 本稿では,PPO拡張であるAction Chunking PPO(ACPPO)について述べる。 ACPPO-Corrは、各チャンク内で計画されたアクションをオンラインで調整するステップワイズフィードバック修正器でチャンクプランナを強化します。
  論文  参考訳（メタデータ） (2026-09-28T20:43:07Z)
• TEMPO: Learning Temporal Context for Dynamic Robot Manipulation [12.057683796484232]
  本稿では、事前訓練されたVLAを2つの時間入力で拡張し、動きのあいまいさと状態のエイリアスを解消するTEMPOを提案する。 ボトルハンドオーバの成功を44%から74%に改善し、状態エイリアスを解決する唯一の方法である。 さらに、動作認識ロボットの知覚を評価するために、50k以上の注釈付きフレームのベンチマークであるTEMPO-Benchをリリースする。
  論文  参考訳（メタデータ） (2026-09-15T08:56:52Z)
• Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control? [78.81308700607651]
  アクションチャンキングは単一のアクションではなく、複数のアクションを予測し、実行する。 非マルコフ表現率の増大と、マルコフポリシーと比較して複合誤差の低減による作用チャンキングの利点が示された。 本稿では,アンサンブルを明示的にインスタンス化することで,アクションチャンキングのメリットを増幅するポリシークラスを提案する。
  論文  参考訳（メタデータ） (2026-08-03T17:32:45Z)
• ChunkFlow: Towards Continuity-Consistent Chunked Policy Learning [5.727608625370017]
  ChunkFlowは、チャンクポリシーのためのSeam対応のトレーニング・アンド・エグゼクティブフレームワークである。 各チャンクを凍結し、編集可能で、将来のゾーンに分割し、実行時に決定論的重複を適用し、シームと第1、第2の連続性損失で生の予測を訓練する。 CALVIN、LIBERO、および実際のロボットの実験では、低レイテンシ推論による成功-安定トレードオフが改善されている。
  論文  参考訳（メタデータ） (2026-07-14T17:43:25Z)
• ActionMap: Robot Policy Learning via Voxel Action Heatmap [61.10410508218428]
  ActionMapは、ネイティブアクションデコーダの代わりに既存のVLAにドロップする。 Heatmapヘッドは、マッチしたトレーニングステップで、2つのアーキテクチャ的に異なるバックボーンを越えます。 クロスバックボーン一貫性は、アクション表現がVLAパフォーマンスの真のレバーであることを示している。
  論文  参考訳（メタデータ） (2026-06-05T04:42:56Z)
• Geometry Guided Self-Consistency for Physical AI [6.911669885632528]
  KeyStoneは拡散に基づく行動生成のための推論時自己整合性手法である。 連続的なアクション空間に$K$の候補アクションチャンクをクラスタし、最大のクラスタのメドイドを返す。 単一軌道サンプリングよりも最大で textbf13.3% のタスク成功率を向上し、遅延オーバーヘッドを無視できる。
  論文  参考訳（メタデータ） (2026-05-09T03:14:30Z)
• DiscreteRTC: Discrete Diffusion Policies are Natural Asynchronous Executors [57.944744187489185]
  外部修正をネイティブなアンマスクに置き換えるDiscreteRTCを提案する。 DiscreteRTCは、非同期のインペインティングのために0行のコードを実装するのが簡単で、スクラッチから生成したアクションに比べてわずか0.7倍の計算速度で推論が高速で、フローベースのRTCに比べて実世界の動的ピックタスクの成功率が50%向上した。
  論文  参考訳（メタデータ） (2026-04-27T23:04:03Z)
• Decoupled Q-Chunking [63.864222078287575]
  チャンクされた批評家は、個々のアクションではなく、短いアクションシーケンス("チャンク")の価値を見積もって、価値のバックアップをスピードアップします。 私たちの重要な洞察は、批判者のチャンクの長さをポリシーのチャンクの長さから切り離すことで、ポリシーがより短いアクションチャンクを乗り越えることを可能にすることです。 この設計は、オープンループのサブ最適化と長いアクションチャンクに対するアクションチャンクポリシーの学習の難しさを両立させながら、マルチステップ値伝搬の利点を保っている。
  論文  参考訳（メタデータ） (2025-12-11T18:52:51Z)

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。