論文の概要: GUILD: Guided Iterative Data Collection for Imitation Learning

• arxiv url: http://arxiv.org/abs/2611.05368v1
• Date: Tue, 03 Nov 2026 18:57:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 05:17:47.830943
• Title: GUILD: Guided Iterative Data Collection for Imitation Learning
• Title（参考訳）: GUILD: 模倣学習のためのガイド付き反復データ収集
• Abstract要約: ロボット工学における模倣学習ポリシーは、高価な現実世界の遠隔操作を通じて収集されたデータセットに基づいて訓練される。 本稿では、下流のポリシー性能を最大化するために、どのデータを集めるべきかを積極的に判断する新しいガイド付きデータ収集手法を提案する。 シミュレーションと実際のロボット設定における我々のアプローチを評価し、ガイド付きデータ収集がサンプル効率と展開性能を大幅に向上することを示した。
• 参考スコア（独自算出の注目度）: 13.576126487557707
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Imitation learning policies in robotics are trained on datasets collected through costly real-world teleoperation. Often, the data-collection process is unguided, relying on the teleoperator's intuition, resulting in data that contributes little to overall policy performance. Recent work has shown that curating such unguided datasets can substantially improve policy performance, but these approaches operate by filtering existing datasets after collection and therefore do not prevent the acquisition of uninformative data. In this work, we propose GUILD, a novel Guided Data Collection (GDC) method that actively reasons about which data should be collected to maximize downstream policy performance. We introduce an iterative framework that alternates between 1) task proposal and data collection and 2) data evaluation to close the loop. For task proposal, we leverage semantic priors from vision-language models to identify relevant environments, object configurations, and goals for data collection. However, since semantic relevance does not imply policy improvement, we perform data evaluation. By leveraging predictive data attribution we approximate how the collected trajectories influence policy performance on a target deployment setting. This signal is then used as feedback to guide subsequent data collection, closing the data collection loop. We evaluate our approach in simulation and real robot settings, demonstrating that guided data collection substantially improves sample efficiency and deployment performance compared to passive data collection strategies, multiple baselines and experienced roboticists. More information at https://robin-lab.cs.utexas.edu/guild2026/
• Abstract（参考訳）: ロボット工学における模倣学習ポリシーは、高価な現実世界の遠隔操作を通じて収集されたデータセットに基づいて訓練される。 データ収集プロセスは、しばしば、テレオペレータの直感に依存し、結果として、全体的なポリシー性能にはほとんど寄与しない。 近年の研究では、そのような非ガイドデータセットのキュレーションはポリシーのパフォーマンスを大幅に向上させる可能性があるが、これらのアプローチは収集後に既存のデータセットをフィルタリングすることで動作し、したがって非形式的データの取得を妨げない。 本稿では,下流のポリシー性能を最大化するために,どのデータを集めるべきかを積極的に判断する新しいガイド付きデータ収集(GDC)手法であるGUILDを提案する。 相互に交互に動作する反復的フレームワークを導入する。 1)課題提案及びデータ収集 2) ループを閉じるためのデータ評価。 タスク提案では、視覚言語モデルからのセマンティックな事前情報を活用し、関連する環境、オブジェクト構成、データ収集の目標を特定します。 しかし、セマンティックな関連性は政策改善を意味するものではないため、我々はデータ評価を行う。 予測データの属性を利用して、収集された軌道がターゲット配置環境における政策性能にどのように影響するかを近似する。 このシグナルはその後のデータ収集をガイドし、データ収集ループを閉じるためのフィードバックとして使用される。 我々は,本手法をシミュレーションと実ロボット設定で評価し,受動的データ収集戦略や複数のベースライン,経験的ロボティクスと比較して,ガイドデータ収集がサンプル効率と展開性能を大幅に向上することを示した。 詳細はhttps://robin-lab.cs.utexas.edu/guild2026/

関連論文リスト

• DataMIL: Selecting Data for Robot Imitation Learning with Datamodels [77.48472034791213]
  データモデルパラダイムに基づいて構築されたポリシー駆動型データ選択フレームワークであるDataMILを紹介する。 品質の概念を使ってデータをフィルタリングする標準的なプラクティスとは異なり、DataMILはタスクの成功のためにデータ選択を直接最適化する。 我々は60以上のシミュレーションと実世界の操作タスクのスイートに対して,我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2025-05-14T17:55:10Z)
• Capturing the Temporal Dependence of Training Data Influence [100.91355498124527]
  我々は、訓練中にデータポイントを除去する影響を定量化する、軌跡特異的な離脱の影響の概念を定式化する。 軌道固有LOOの効率的な近似を可能にする新しい手法であるデータ値埋め込みを提案する。 データバリューの埋め込みは、トレーニングデータの順序付けをキャプチャするので、モデルトレーニングのダイナミクスに関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2024-12-12T18:28:55Z)
• FlowRetrieval: Flow-Guided Data Retrieval for Few-Shot Imitation Learning [28.523528119584526]
  擬似学習は、与えられた下流タスクに対するポリシーを効率的に適応するために、少数のタスク固有のデモンストレーションにのみ依存する。 本稿では,従来のデータから目標タスクに類似した動作を抽出するために,光フロー表現を利用するFlowRetrievalを提案する。 その結果,FlowRetrievalは,シミュレーションや実世界のドメイン間で,従来の手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-08-29T23:48:08Z)
• Efficient Data Collection for Robotic Manipulation via Compositional Generalization [70.76782930312746]
  本研究では, 環境要因をデータから構成し, 未確認の要因の組み合わせに遭遇した場合に成功できることを示す。 コンポジションを利用したドメイン内データ収集手法を提案する。 ビデオはhttp://iliad.stanford.edu/robot-data-comp/で公開しています。
  論文  参考訳（メタデータ） (2024-03-08T07:15:38Z)
• ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
  認知のための行動認識型身体学習(ALP)について紹介する。 ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。 ALPは、複数の下流認識タスクにおいて、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T21:51:04Z)
• Going beyond research datasets: Novel intent discovery in the industry setting [60.90117614762879]
  本稿では,大規模なeコマースプラットフォームに展開する意図発見パイプラインを改善する手法を提案する。 ドメイン内データに基づく事前学習型言語モデルの利点を示す。 また,クラスタリングタスクの微調整中に,実生活データセットの会話構造(質問と回答)を利用するための最善の方法も考案した。
  論文  参考訳（メタデータ） (2023-05-09T14:21:29Z)
• Efficient Self-Supervised Data Collection for Offline Robot Learning [17.461103383630853]
  ロボット強化学習の実用的なアプローチは、まずリアルまたはシミュレートされたロボット相互作用データの大規模なバッチを収集することです。 我々は,新しい観測結果にデータ収集を積極的に焦点をあてる,簡便な目標条件強化学習法を開発した。
  論文  参考訳（メタデータ） (2021-05-10T18:42:58Z)

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。