論文の概要: Is It the Curriculum or Just the Easy Start? Benchmarking Unsupervised Environment Design on Quadrupeds

• arxiv url: http://arxiv.org/abs/2610.40364v1
• Date: Thu, 29 Oct 2026 16:15:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.535746
• Title: Is It the Curriculum or Just the Easy Start? Benchmarking Unsupervised Environment Design on Quadrupeds
• Title（参考訳）: カリキュラムか、それとも単なる簡単なスタートか? 四足歩行における教師なし環境設計のベンチマーク
• Abstract要約: 我々は,MuJoCo MJXの5つの3次元四重極上で,14個のUED,ドメインランダム化,ロボットキュリキュラを1つのプロトコルで動作させるベンチマークを提案する。 我々は各ロボット内の手法を比較し、レベルセットごとに最下位の手法群を報告する。 脚付きロボットの練習から得られる成功主導の地形学のカリキュラムは、最も多くはトップグループであり、一様レベルのドメインランダム化はなし、PAIREDはスポットの外ではなしである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unsupervised environment design (UED) methods such as PLR, ACCEL, SFL and PAIRED are compared mostly on 2D mazes, grid worlds and BipedalWalker, while terrain curricula for legged robots are hand-designed and evaluated against a few baselines. We present a benchmark that runs fourteen UED, domain-randomisation and robotics curricula under one protocol on five 3D quadrupeds in MuJoCo MJX: the closed-chain W01-TEK and the open-chain Unitree Go1 and Go2, Google Barkour vB and Boston Dynamics Spot. Levels are vectors of eight interpretable terrain parameters, and all curricula drive the same PPO student at matched environment-step budgets. The evaluation reports success on random and held-out structured terrains, interquartile means with stratified bootstrap intervals, capability envelopes and a level-by-level domination comparison. We compare methods within each robot and report, per level set, the top group of methods not significantly below the best. No method is in the top group on every robot and level set. Methods with easy or low-difficulty training levels, curated or not, fill the top groups on in-distribution random levels of Go1 and Barkour, and of W01-TEK apart from PAIRED+BiBC. The success-driven terrain curriculum from legged-robot practice is in a top group most often, domain randomisation on uniform levels in none, and PAIRED in none outside Spot, where the fourteen methods lie within 3.8 points on random levels of difficulty 0.25. On three robots the leader on in-distribution random levels is not the leader on held-out terrain. We collect the results into a per-robot guide to choosing a curriculum.
• Abstract（参考訳）: PLR、ACCEL、SFL、PAIREDといった無監督環境設計(UED)の手法は、主に2D迷路、グリッドワールド、バイペダルウォーカーで比較される。 UED、ドメインランダム化、ロボットキュリキュラの14のベンチマークを、MuJoCo MJXの5つの4Dキューブ(クローズチェーンW01-TEKとオープンチェーンUnitree Go1とGo2、Google Barkour vB、Boston Dynamics Spot)の1つのプロトコルで実行します。 レベルは8つの解釈可能な地形パラメータのベクトルであり、全てのカリキュラムは一致した環境段階の予算で同じPPO学生を駆動する。 本評価では,無作為・無作為な構造地形,階層化されたブートストラップ間隔を有する間質的手段,能力封筒,レベル・バイ・レベル支配比較について報告する。 我々は各ロボット内の手法を比較し、レベルセットごとに最下位の手法群を報告する。 すべてのロボットとレベルセットのトップグループにメソッドはありません。 Go1とBarkourの非分配ランダムレベルと、PAIRED+BiBCとは別個のW01-TEKの上位グループを満たす。 脚ロボットの練習から得られる成功主導の地形学のカリキュラムは、最も多くはトップグループであり、一様レベルのドメインのランダム化はなし、PAIREDはスポットの外ではなし、14の手法はランダムレベルの難易度0.25で3.8ポイント以内にある。 3つのロボットでは、分布内ランダムなレベルのリーダーは、保持された地形のリーダーではない。 結果をロボットごとのガイドにまとめてカリキュラムを選択する。

関連論文リスト

• Pretraining Knows What, Simulation Teaches How: Compositional Generalization in a Sim-Trained Robot Agent [16.22140960171382]
  我々はZAP(Zero-real Agent Policy)を紹介した。ZAP(Zero-real Agent Policy)は、シンプルなツールハーネスを用いてロボットを制御するために、小さな市販の視覚言語モデルを教えるレシピである。 本研究では,世界理解と推論をブートストラップするために,事前訓練された27Bパラメータモデルを用い,ロボットの動作の仕方を教えるために,シンプルなシミュレーションタスクの教師付き微調整とGRPOを行った。 ZAPは実世界のタスクで96.7%成功し、GPT-6 Astraを我々のハーネスでマッチングし、MomoAct2 VLA(33.3%)より優れ、GPT-6 Astraより3倍速く17倍安い。
  論文  参考訳（メタデータ） (2026-10-26T17:44:34Z)
• Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution [90.448613284096]
  ロボット・エンベッド(Robota-Embed)を導入し、現在のクエリと記録された将来の継続の両方において、3つのモダリティを共同で符号化する最初の視覚言語アクション埋め込みモデルについて紹介する。 我々は,1,695,684個のトレーニングアンカーを複数ソースで構築し,4000のクエリと8000のギャラリーの共有を備えたRobota-Embed-Benchを紹介した。 Robota-Embedは47.33%のクリップレベルと81.77%のエピソードレベルのR@1を達成した。
  論文  参考訳（メタデータ） (2026-10-14T03:15:23Z)
• LADDER: A Long-Horizon Robot Manipulation Benchmark [54.78144820533299]
  汎用ロボット操作ポリシーは、短距離のスキルを効果的に学習するが、短距離のタスクでは急速に低下する。 LADDER(Long-Horizon Robot Operations benchmark)は,3つのスイートで同じ環境下で1から10のサブゴールのスケーリングを行う。 低レベルポリシー(VoLo)のテキストサブゴールとツール選択オーケストレーション(CaP-X, GPT-Policy, PSP-Agent, TiPToP)の2つのオーケストレーションパラダイムを評価した。
  論文  参考訳（メタデータ） (2026-10-13T09:42:04Z)
• Benchmarking Self-Supervised 3D Medical Vision Foundation Models and Transferability Estimation [57.65266782182578]
  セルフ教師付き事前トレーニングは、3D医療基盤モデルのプールを拡張したが、異なるデータセット、エンドポイント、微調整プロトコルを使用した評価を公表した。 14のセグメンテーション、分類、回帰タスク、複数の解剖学とモダリティにまたがる23の候補をベンチマークした。 3モデルショートリストは、7つのセグメンテーションタスクで記録された抜粋+訓練ジョブ時間を85.8%削減した。
  論文  参考訳（メタデータ） (2026-10-13T01:52:19Z)
• Beyond Reward Hacking: Proxy Divergence Across Four Layers of a Staged Humanoid Learning Pipeline [0.0]
  プロキシから組み立てた脚付きロボットのための強化学習パイプライン。 リワードは意図した行動、カリキュラムゲートは能力、評価統計は堅牢性、参照モーションは達成可能なスキルを示す。 4つ全てが同じ形式的な意味でのプロキシであり、それぞれに特徴的な分岐機構があり、それぞれがそれを閉じる改革を認めている、と私は論じます。
  論文  参考訳（メタデータ） (2026-10-02T12:10:12Z)
• GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
  ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。 純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。 自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
  論文  参考訳（メタデータ） (2026-08-18T18:21:36Z)
• InternVLA-M1: A Spatially Guided Vision-Language-Action Framework for Generalist Robot Policy [138.89177083578213]
  空間接地とロボット制御のための統合フレームワークであるInternVLA-M1を紹介する。 InternVLA-M1は、(i)2.3M以上の空間的推論データに基づく空間的グラウンドトレーニングと(ii)空間的に誘導された後トレーニングという、2段階のパイプラインを使用する。 結果: InternVLA-M1 は SimplerEnv Google Robot で+14.6%、WidowX で+17%、LIBERO Franka で+4.3% で、空間誘導なしでその変種を上回った。
  論文  参考訳（メタデータ） (2025-10-15T17:30:05Z)
• Surfer: Progressive Reasoning with World Models for Robotic Manipulation [51.26109827779267]
  本稿では,新しいシンプルなロボット操作フレームワークであるSurferを紹介する。 Surferは、ロボット操作を視覚シーンの状態伝達として扱い、それをアクションとシーンという2つの部分に分割する。 これは世界モデルに基づいており、ロボット操作を視覚シーンの状態伝達として扱い、アクションとシーンの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2023-06-20T07:06:04Z)
• Accelerated Sim-to-Real Deep Reinforcement Learning: Learning Collision Avoidance from Human Player [5.960346570280513]
  本稿では,移動ロボットに使用するセンサレベルマップレス衝突回避アルゴリズムを提案する。 ロボットが人間体験データと自己探索データの両方から学習できるように,効率的な学習戦略を提案する。 ゲームフォーマットシミュレーションフレームワークは、人間のプレイヤーがモバイルロボットを目標まで遠隔操作できるように設計されている。
  論文  参考訳（メタデータ） (2021-02-21T23:27:34Z)

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。