Under a small budget of demonstrations, does aggressive regularization buy sample-efficiency for imitation-learning policies?
the question
Imitation learning is data-scarce by nature: every demonstration is a human teleoperating the robot —
slow and expensive. So the field gains a lot from policies that reach the same performance with
fewer demos. Inspired by Konwoo et al. on data-constrained pre-training, this study asks whether
aggressive regularization buys that data-efficiency — and, crucially, whether it helps most when data is scarce.
The task is PushT: a Diffusion Policy pushes a T-block onto a target. Trained & evaluated on AMD ROCm (Radeon AI PRO R9700).
preliminary result
Demos
Standard
Enhanced
Δ
200 data-rich
29%
29%
0 pts
100 data-scarce
8%
19%
+11 pts
Preliminary evidence suggests that, under a 100-demo budget, enhanced regularization improves
success from 8% to 19% (+11 pts), while
showing no gain at 200 demos (29% = 29%). Consistent with regularization helping most when
demonstrations are scarce. Single seed — a strong signal, not yet a settled claim.
Success rate vs. number of demonstrations. The enhanced curve sits above standard exactly where data is scarce — and they converge when data is plentiful.
the policy solving the task
Real evaluation rollouts. The pusher (blue) drives the grey block onto the green target; episodes end the instant coverage crosses 95%.
Honest scope: single seed, one GPU, and a baseline that plateaus below the published reference (~65%) — the remaining gap is batch size (8 vs ~64). Enough to show the signal, not yet to publish.
Sous un petit budget de démonstrations, la régularisation agressive achète-t-elle de l'efficacité-donnée aux politiques d'imitation ?
la question
L'imitation est data-scarce par nature : chaque démo, c'est un humain qui téléopère le robot — lent et coûteux.
D'où l'intérêt de politiques qui atteignent la même performance avec moins de démos. Inspirée de Konwoo
et al. (pré-entraînement sous contrainte de données), cette étude demande si la régularisation agressive achète
cette efficacité — et surtout si elle aide le plus quand les données sont rares.
La tâche est PushT : une Diffusion Policy pousse un bloc en T sur une cible. Entraînée & évaluée sur AMD ROCm (Radeon AI PRO R9700).
résultat préliminaire
Démos
Standard
Enhanced
Δ
200 data-rich
29%
29%
0 pt
100 data-scarce
8%
19%
+11 pts
Évidence préliminaire : sous un budget de 100 démos, la régularisation enhanced améliore le succès
de 8% à 19% (+11 pts), sans gain à
200 démos (29% = 29%). Cohérent avec l'idée que la régularisation aide surtout quand les
démonstrations sont rares. Un seul seed — signal fort, pas encore une revendication établie.
Taux de succès vs nombre de démonstrations. Dans ce run, la courbe enhanced dépasse standard en régime data-scarce — et les deux recettes convergent à 200 démos.
la politique qui résout la tâche
Vraies vidéos d'évaluation. Le pousseur (bleu) amène le bloc gris sur la cible verte ; l'épisode s'arrête dès que le recouvrement dépasse 95%.
standard = défauts LeRobot. enhanced = weight decay 1e-3 + data augmentation.
Portée honnête : un seed, un GPU, une baseline sous la référence publiée (~65%) — l'écart restant = le batch size (8 vs ~64). Assez pour montrer le signal, pas encore pour publier.
