論文の概要: Sequential Recovery Updates for Learned Controllers under Successful-Trajectory Preservation

• arxiv url: http://arxiv.org/abs/2611.02555v1
• Date: Mon, 02 Nov 2026 05:28:18 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:20:12.368816
• Title: Sequential Recovery Updates for Learned Controllers under Successful-Trajectory Preservation
• Title（参考訳）: 軌道保存成功時の学習制御器の逐次回復更新
• Abstract要約: 凍結したスキルをルートするコントローラでは、新しいエントリルールが古いスキルが成功した状態をリダイレクトすることができる。 有限軌道条件は、これが前のコントローラを保存するときに表される。 ストリーム毎に2つの更新が62以上の192の摂動を伴い、ベースコントローラのどの成功も失われない。
• 参考スコア（独自算出の注目度）: 7.071830135258387
• License:
• Abstract: A competent learned controller already recovers from many disturbances. Improving it means learning a correction, and learning when not to apply it. Freezing a skill's parameters does not settle the second half. In a controller that routes among frozen skills, a new entry rule can redirect the states an old skill succeeded on. We therefore constrain entry instead of parameters. Each update searches for a feedback skill at a measured failure. It fits an entry rule that reads observations and rejects every state on an accumulated successful trajectory. The skill is admitted only if the composed controller reproduces the new recovery on its own and replays every protected trajectory exactly. A finite-trajectory condition states when this preserves the previous controller. One mechanism runs on four streams: two motions on each of two humanoid systems. Two updates per stream add 62 recoveries over 192 withheld perturbations, and lose none of the base controller's successes. We then price that guarantee. Removing the constraint recovers 33 more conditions but stops eight protected ones from completing at all, and excluding only what admission proves necessary recovers none of that cost.
• Abstract（参考訳）: 有能な学習コントローラーは、すでに多くの障害から回復しています。 改善とは、修正を学び、それを適用しないことを学ぶことです。 スキルのパラメータを凍結しても後半は落ち着かない。 凍結したスキルをルートするコントローラでは、新しいエントリルールが古いスキルが成功した状態をリダイレクトすることができる。 したがってパラメータの代わりにエントリを制約します。 各更新は、測定された失敗時にフィードバックスキルを検索する。 それは、観測を読み出し、蓄積された成功した軌道上の全ての状態を拒絶するエントリルールに適合する。 このスキルは、構成されたコントローラが自分で新しいリカバリを再生し、保護されたすべての軌道を正確に再生した場合にのみ認められます。 有限軌道条件は、これが前のコントローラを保存するときに表される。 1つのメカニズムは4つのストリームで動作し、2つのヒューマノイド系のそれぞれに2つの動きがある。 ストリーム毎に2回の更新で62回のリカバリが可能となり、192回の摂動が維持された。 そして、その保証価格を付けます。 制約を解除すると、33の条件が回復するが、8つの保護された条件が完全に終了するのを防ぎ、そのコストを回復するために必要なものだけを除外する。

関連論文リスト

• StateWise: Teaching Language Models to Track and Obey Evolving Constraints in Multi-Turn Dialogue [1.4084840829725438]
  StateWiseは、訓練された会話アシスタントに対する自己改善のアプローチである。 単一のLSMに独自の変更可能な制約状態を維持するように教えている。 教師付き自己訓練と比較して8-22ポイントのリラプスを減少させる。
  論文  参考訳（メタデータ） (2026-10-24T16:17:56Z)
• MOON: Learning When to Forget and How to Move On in Vision-and-Language Navigation [54.495160070920655]
  近年のヴィジュアル・アンド・ランゲージ・ナビゲーション(VLN)ポリシーは、その視覚的履歴に作用し、誤ったアクションによって指示されたルートから外される可能性がある。 本稿では,凍結したVLNポリシに2つの軽量モジュールを装備し,パラメータの1%未満を付加するフレームワークを提案する。 逸脱判事はいつ忘れるかを判断し、エージェントがルートから外れていることを予測したときに歴史をクリアする警報を発する。 アラーム状態からGRPOでトレーニングされたリカバリポリシは、進む方法を学習し、単一のgreedyロールアウトにサンプリングするだけで、より多くの成功を得られるようにします。
  論文  参考訳（メタデータ） (2026-10-24T08:50:29Z)
• StopLoss: Teaching Agents to Predict Failure and Stop Early [58.46247112300993]
  StopLossは、完成した軌跡とその検証結果から障害認識を学ぶ小さな外部モニタである。 StopLossは、実行が失敗する可能性がある場合に早期に実行を終了し、リソースを節約します。
  論文  参考訳（メタデータ） (2026-10-18T20:39:02Z)
• AdaRSI: On-Demand Recursive Self-Improvement for Embodied Agents [50.45129658426339]
  Recursive self-improvement (RSI) は治療を提供するが、組み込まれたRSI法では運動が失われることはない。 エンボディエージェントのためのオンデマンドRSIフレームワークであるAdaRSIを提案する。 GR00T N1.5をエグゼキューターとし、人間によるデモンストレーションを行わないRoboCasa365の50のタスクにおいて、AdaRSIはVLAを3つのスイートすべてで改善し、4.6%から13.8%に改善した。
  論文  参考訳（メタデータ） (2026-10-14T16:51:09Z)
• Diagnosing and Recovering from Observation-Space Shift at Long-Horizon Skill Seams [30.88749649763857]
  ロングホライゾンのロボット操作は、独立して訓練されたスキルをチェーンすることでしばしば行われる。 それぞれのスキルは単独で信頼できるが、スキルがチェーンされているとパフォーマンスが大幅に低下する。 我々は、この障害モード、Observatory-Space Shift(OSS)を研究し、これらのスキル・シーム障害の原因を問う。
  論文  参考訳（メタデータ） (2026-10-07T19:15:58Z)
• Recova: Agent-Guided Failure Recovery for Autonomous Robotic Manipulation [104.46042352396563]
  Recovaはエージェント誘導型フレームワークで、再構築されたデジタルツインでタスク実行とリカバリを共同で開発する。 双子では、エージェントは障害を診断し、修正プログラムをテストし、異なるポリシーのために正常なタスクとリカバリのロールアウトを収集する。 適切なリカバリが得られない場合、人間のデモによって障害が解決され、システムがリカバリ機能を拡張することができる。
  論文  参考訳（メタデータ） (2026-10-01T06:52:05Z)
• Self-Confirming Superposition Traps in Reinforcement Learning [62.71685993550818]
  強化学習はエージェントのポリシーによって選択されたデータに基づいて表現し、その結果のリターンを使って次の選択を導く。 これらのデータに対して表現フィッティングがグローバルに最適である場合でも,このループは低リターンポリシーを維持可能であることを示す。
  論文  参考訳（メタデータ） (2026-09-26T21:56:26Z)
• Humanoid Locomotion with a Fly-Inspired Recurrent Controller [2.394911312084751]
  フライインスパイアされたリカレントコントローラは、3,609個の連続神経状態をシミュレーションされたUnitree G1に結合する。 我々はこのニューラルネットワークフィードバックシステムを定式化し、7つの地形インスタンスで固定されたチェックポイントを評価する。 記録された軌跡と状態整合された画像は、これらの発見を持続的な運動、横方向のドリフト、終了イベントに結び付けている。
  論文  参考訳（メタデータ） (2026-09-22T19:36:07Z)
• RAYA: Learning Where and When to Intervene for Robot Recovery [10.047972475434204]
  本稿では,学習した有限水平回復可能性マージンを最適制御器内に配置する学習分析フレームワークであるRAYAを提案する。 コントローラ1台あたり7200回のシミュレーションでは、RAYAは生存率を改善すると同時に、学習したコンポーネントをゼロショットで未確認の軌道、乱れ、植物シフト、摩擦レイアウトに転送する。
  論文  参考訳（メタデータ） (2026-09-18T12:25:08Z)
• Conformal Recovery-Deadline Certificates for Runtime Assurance of Adapting Controllers [2.28438857884398]
  本稿では,高度制御器から安全制御器に切り替えることにより,安全クリティカルシステムを保護する方法について述べる。 適応制御器のリカバリ時間に基づいて, 分割整形, 分布自由, 有限サンプル上限である整形回復遅延証明書を導入する。 限界範囲のカバレッジ、既知のフォールト・ディストリビューションシフトの下でカバレッジを回復する重み付き拡張、およびグループ条件のモンドリアンカバレッジを証明します。
  論文  参考訳（メタデータ） (2026-06-24T04:02:06Z)

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。