論文の概要: Time-Indexed Skill Success Models for Latency-Aware Skill Selection and Timing in Dynamic Manipulation
- arxiv url: http://arxiv.org/abs/2611.07964v1
- Date: Thu, 05 Nov 2026 12:59:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.691897
- Title: Time-Indexed Skill Success Models for Latency-Aware Skill Selection and Timing in Dynamic Manipulation
- Title（参考訳）: 動的マニピュレーションにおける遅延認識スキル選択とタイミングのための時間付きスキル継承モデル
- Abstract要約: 本稿では,遅延後のスキル開始時のタスク全体の成功を予測する,タイムインデックス付きスキル成功モデルを提案する。
UR5eが3つのスキルでスライディングパックを捕獲する研究において、プランナーは100～300ミリ秒の遅延で2.8～6.2ポイントの静的能力モデルを超えた。
遅れた打ち上げでは、タイムインデックスモデルがキャリブレーションされ(予想されるキャリブレーション誤差0.009対0.239)、遅延中に世界は23ポイントまで上昇した。
- 参考スコア（独自算出の注目度）: 0.688204255655161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robots that manipulate moving objects act on observations that are outdated when the chosen skill starts, and the best skill can change within a few hundred milliseconds. Skill competence models, however, predict success for a launch at the moment of observation. We propose time-indexed skill success models, which predict whole-task success when a skill is launched after a given delay. Trained on rollouts branched at a grid of launch delays, they let a receding-horizon planner select both the skill and its launch time under fixed or random latency. In a MuJoCo study in which a UR5e captures a sliding puck with three skills, the planner exceeded a static competence model by 2.8 to 6.2 percentage points at 100 to 300 ms of latency, including when that model was evaluated on point or sampled forecasts of the launch state. Across five complete runs (three training seeds and two distribution shifts), all 80 paired 95% intervals against four baselines excluded zero. On delayed launches, the time-indexed model was calibrated (expected calibration error 0.009 against 0.239), and pausing the world during latency overstated success by up to 23 points. On a real UR5e that captures a rolling ball after 0.2 s of injected latency, a static model trained in a hardware-matched simulator predicted 99% success on a prespecified subset of 35 delayed launches that it rated at least 0.8. Of these, 63% succeeded (95% interval 46 to 77%), and the time-indexed model predicted 56%. In this single-skill, predictable regime, a matched physics-based forecast was also well calibrated.
- Abstract（参考訳）: 動く物体を操作するロボットは、選択されたスキルが始まると時代遅れになる観察に作用し、最高のスキルは数百ミリ秒以内に変化します。
しかし、スキル・コンピテンス・モデルは、観測の瞬間に打ち上げの成功を予測している。
遅延後のスキル開始時のタスク全体の成功を予測できる,タイムインデックスのスキル成功モデルを提案する。
打ち上げ遅延のグリッドで分岐したロールアウトで訓練され、後退する水平プランナーは、固定またはランダムな遅延の下で、スキルと発射時間の両方を選択できる。
UR5eが3つのスキルでスライディングパックをキャプチャするMuJoCoの研究において、プランナーは100msから300msの遅延で2.8～6.2ポイントの静的能力モデルを超えた。
5回の完走(3つのトレーニングシードと2回の分散シフト)、全80対の95%間隔と4つのベースラインを除外した。
遅れた打ち上げでは、タイムインデックスモデルがキャリブレーションされ(予想されるキャリブレーション誤差0.009対0.239)、遅延中に世界は23ポイントまで上昇した。
0.2秒の遅延の後にローリングボールをキャプチャする実際のUR5eでは、ハードウェアマッチングシミュレータでトレーニングされた静的モデルは、少なくとも0.8と評価された35回の遅延発射の予め指定されたサブセットで99%の成功を予測した。
そのうち63%(95%間隔46～77%)が成功し、タイムインデックスモデルでは56%と予測された。
この単一スキルで予測可能な体制では、一致した物理ベースの予測も適切に調整された。
関連論文リスト
- Sonny-ENS: demystifying machine-learning ensemble weather forecasting [3.993449663756884]
我々はモンテカルロのドロップアウトを伴う3つの68.9万パラメータネットワークのアンサンブルであるSonny-ENSを紹介する。
2022年、欧州中レージ気象予報センター(en:European Centre for Medium-Range Weather Forecasts ense)よりCRPSが低く、570の目標の96%を占めている。
ターゲットの69%でGenCastを上回り、51名の15日間の予測は1つのGPUで69秒かかる。
論文 参考訳（メタデータ） (2026-11-01T06:04:43Z) - Auriga Technical Report: A Task-Agnostic Agent Harness for Zero-Shot Embodied Manipulation [62.55752327741587]
RoboDojoでは、大きな計画と実行のギャップが、高レベルのタスク決定と物理的実行を分離します。
目標タスクやリセットを伴わないゼロショット操作において,このギャップの68.3%を埋めるタスク非依存のエージェントハーネスであるAurigaを紹介する。
論文 参考訳（メタデータ） (2026-10-31T16:59:05Z) - ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation [6.874305530359895]
本稿では,凍ったFast-WAMをベースとした教師から,未来を意識した行動等価表現を蒸留する高密度pi0.5ポリシーであるForeTime-VLAを紹介する。
オンラインでは、8フレームの履歴エンコーダが操作フェーズと正規化された時間-遷移とともにこのターゲットを予測する。
テストMAEは0.134119から0.130593 (2.63%)に減少し、ペアリングブートストラップ95%CI:0.82-4.48%の改善、テストL2は2.46-2.93%の遅延コストで3.02%減少する。
論文 参考訳（メタデータ） (2026-08-21T04:40:41Z) - Latency-Constrained DNN Architecture Learning for Edge Systems using Zerorized Batch Normalization [14.773546936783468]
本稿では,レイテンシ制約を満たすとともに,高精度なモデル最適化のためのレイテンシ指向ニューラルネットワーク学習手法を提案する。
実験の結果, 最先端手法と比較して, 提案手法は'ハード'遅延制約に適合し, 精度が高いことがわかった。
論文 参考訳（メタデータ） (2026-07-08T02:35:25Z) - Discrete Action Space as a Prerequisite for GRPO Convergence in Small-Model Continuous Control [0.0]
グループ相対ポリシー最適化は、シミュレートされた四重項連続制御タスクのための小さな言語モデルを微調整することができる。
このベンチマークでは、25Hzの4乗子速度制御のためのQwen-0.5BのバニラGRPO微調整が、自明なゼロ作用に崩壊する。
Crazyflie 2.1 ダイナミックスを用いた高忠実度シミュレーションは、ホバー領域のトレーニングと分配のギャップを表面化する。
論文 参考訳（メタデータ） (2026-07-07T17:14:19Z) - When the Next Step Is Not One Step: Distribution-Aware Execution Modeling for Concurrent Go Programs [0.0]
並列プログラムの次のステップを予測するためにモデルをトレーニングするのは、スケジューラが非決定論的であるため、見た目よりも難しい。
我々は、各プログラムを何度も実行し、観測された次の事象を経験的分布に集約し、その分布をKLの目的と一致するように7Bモデルを微調整する。
実際のGoのバグから引き出された798のホールトアウト予測では、1000個未満のトレースの微調整が36.2%の精度に達する。
P(GoUnblock)がスケジューラのセマンティクスによって保持される選択ブロックゴルータのクラスに対する正規なゴルータ-リークシグネチャを学習によって導出する。
論文 参考訳（メタデータ） (2026-06-16T04:40:04Z) - ESPO: Early-Stopping Proximal Policy Optimization [78.79610718910628]
ESPO(Early-Stopping Proximal Policy Optimization)は、軌道上の障害を検出し、ロールアウトを早期に終了する。
DeepSeek-R1-Distill-Qwen-7Bでは、ESPOはAIME2024(46.28%対45.25%)、AMC2023(85.83%対82.94%)、MATH-500(87.42%対85.43%)でPPOを上回っている。
論文 参考訳（メタデータ） (2026-05-28T12:40:22Z) - FourCastNet 3: A geometric approach to probabilistic machine-learning weather forecasting at scale [91.84761739154366]
FourCastNet 3は、確率的アンサンブル予測にスケーラブルで幾何学的な機械学習(ML)アプローチを実装することで、グローバルな気象モデリングを推進している。
FourCastNet 3は、従来のアンサンブルモデルを上回る予測精度を提供し、最良の拡散ベースのメソッドに匹敵する。
その計算効率、中距離確率的スキル、スペクトルの忠実度、およびサブシーズンタイムスケールでのロールアウト安定性は、大規模なアンサンブル予測を通じて気象予知と早期警報システムを改善するための強力な候補となる。
論文 参考訳（メタデータ） (2025-07-16T11:22:18Z) - s1: Simple test-time scaling [148.4204982041058]
テスト時間スケーリングは、パフォーマンスを改善するために余分なテスト時間計算を使用する言語モデリングに対する、有望な新しいアプローチである。
テストタイムのスケーリングと強力な推論性能を実現するための最もシンプルなアプローチを探します。
論文 参考訳（メタデータ） (2025-01-31T18:48:08Z) - The Surprising Effectiveness of Test-Time Training for Few-Shot Learning [59.309477460893916]
言語モデル(LM)は、トレーニングディストリビューション内のタスクにおいて印象的なパフォーマンスを示しているが、しばしば構造的に新しいタスクで苦労している。
LMの推論と少数ショット学習能力を改善するメカニズムとして,テストタイムトレーニング(TTT)の有効性を検討する。
本研究は,新しいタスクにおける文脈内学習の限界を強調し,言語モデルの適応性を高めるためのテストタイムトレーニングの可能性を示した。
論文 参考訳（メタデータ） (2024-11-11T18:59:45Z)
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。