日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2504.20969

XPG-RL: 説明可能な優先度ガイダンスによる効率化メカニカルサーチのための強化学習

XPG-RL: Reinforcement Learning with Explainable Priority Guidance for Efficiency-Boosted Mechanical Search

シェア:XThreadsFacebookLINEはてブBluesky

散らかった環境での物体探索(メカニカルサーチ)を、RGB-D入力から優先度に基づく行動選択を学習する強化学習で効率化し、シミュレーションと実機で最大4.5倍の効率向上を達成した。

詳しい要約

1. どんなもの?

- 混雑環境での Mechanical Search (MS) を対象とした強化学習フレームワーク XPG-RL の提案 - 生のセンサ入力から、説明可能な優先度誘導により意思決定を行う - 長期ホライズン計画と、遮蔽・部分観測下での頑健な状態推定が求められる課題に取り組む - 対象把持・遮蔽物除去・視点調整などの行動プリミティブを動的に選択する

2. 先行研究と比べてどこがすごい?

- 先行研究との具体的な比較は要旨からは不明 - 主張として、シミュレーションと実環境の両方で baseline 手法を一貫して上回る - タスク成功率と運動効率で優位、長期ホライズンタスクで最大 4.5 倍の効率を達成 - ドメイン知識と学習可能な意思決定ポリシーの統合が有効であることを示す

3. 技術・手法の肝は?

- タスク駆動の行動優先度付け機構と、学習された context-aware switching strategy を統合 - スイッチング戦略は、行動プリミティブの離散集合から動的に選択する - ポリシーは適応的しきい値を出力し、そのしきい値が行動プリミティブ間の離散選択を制御する - 知覚モジュールは RGB-D 入力を意味特徴・幾何特徴と融合し、構造化された scene representation を生成する

4. どうやって有効だと検証した?

- シミュレーションと実世界設定の両方で広範な実験を実施 - baseline 手法と比較し、タスク成功率と運動効率で評価 - 長期ホライズンタスクにおいて最大 4.5 倍の効率向上を報告 - 詳細な実験条件や評価指標の定義は要旨からは不明

5. 議論はある?

- ドメイン知識と学習可能なポリシーの統合が、頑健で効率的なロボットマニピュレーションに寄与すると主張 - 説明可能な優先度誘導による意思決定の利点を強調 - 限界や失敗事例、計算コストなどの議論は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない - 関連手法として Mechanical Search、強化学習による長期ホライズン計画、RGB-D を用いた scene representation 学習、action primitives の switching に関する研究を挙げる - 具体的な論文名は要旨からは不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yiting Zhang, Shichen Li, Elena Shrestha

分類: cs.RO, cs.LG

原文アブストラクト

Mechanical search (MS) in cluttered environments remains a significant challenge for autonomous manipulators, requiring long-horizon planning and robust state estimation under occlusions and partial observability. In this work, we introduce XPG-RL, a reinforcement learning framework that enables agents to efficiently perform MS tasks through explainable, priority-guided decision-making based on raw sensory inputs. XPG-RL integrates a task-driven action prioritization mechanism with a learned context-aware switching strategy that dynamically selects from a discrete set of action primitives such as target grasping, occlusion removal, and viewpoint adjustment. Within this strategy, a policy is optimized to output adaptive threshold values that govern the discrete selection among action primitives. The perception module fuses RGB-D inputs with semantic and geometric features to produce a structured scene representation for downstream decision-making. Extensive experiments in both simulation and real-world settings demonstrate that XPG-RL consistently outperforms baseline methods in task success rates and motion efficiency, achieving up to 4.5$\times$ higher efficiency in long-horizon tasks. These results underscore the benefits of integrating domain knowledge with learnable decision-making policies for robust and efficient robotic manipulation. The project page for XPG-RL is https://yitingzhang1997.github.io/xpgrl/.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI