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:2508.00697

モバイル向け拡散トランスフォーマーポリシーの高速化フレームワークLightDP

On-Device Diffusion Transformer Policy for Efficient Robot Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

拡散ポリシーの計算ボトルネックを解消するため、プルーニングと再学習、一貫性蒸留を組み合わせ、モバイルデバイス上でリアルタイム動作を実現するLightDPを提案。

詳しい要約

1. どんなもの?

- 拡散政策(Diffusion Policy)をモバイル機器上でリアルタイムに動かすための軽量フレームワーク「LightDP」の提案。 - 拡散政策は模倣学習によるロボット操作で高い性能を示すが、計算非効率とメモリ消費が大きく、資源制約のあるモバイル環境では適用が難しい。 - LightDPは、denoisingモジュールのネットワーク圧縮と、必要サンプリングステップ数の削減という2つの戦略で計算ボトルネックを解消する。 - 標準データセット(PushT、Robomimic、CALVIN、LIBERO)と実世界実験で評価。 - モバイル機器上でのリアルタイム行動予測と、最先端Diffusion Policyに匹敵する性能の両立を目指す。

2. 先行研究と比べてどこがすごい?

- 既存のDiffusion Policyは計算非効率とメモリ消費が大きく、資源制約のあるモバイル展開が困難であった。 - 従来のpruning手法では性能劣化が生じやすいが、LightDPはpruning後の回復性を明示的に最適化する統合的なpruning・retrainingパイプラインを導入。 - pruningとconsistency distillationを組み合わせ、サンプリングステップを削減しつつ行動予測精度を維持する点が新しい。 - 既存Diffusion Policyアーキテクチャの計算解析を行い、denoisingネットワークが遅延の主因であることを特定した上で設計している。 - モバイル機器上でのリアルタイム行動予測を実現しつつ、競争力のある性能を示す点が先行研究との差異。

3. 技術・手法の肝は?

- 既存Diffusion Policyアーキテクチャの計算解析を実施し、denoisingネットワークがレイテンシの主要因であると特定。 - 第1戦略として、denoisingモジュールのネットワーク圧縮を実施。 - 従来pruningの性能劣化に対処するため、pruning後の回復性を明示的に最適化する統合的なpruning・retrainingパイプラインを導入。 - 第2戦略として、pruning技術とconsistency distillationを組み合わせ、サンプリングステップ数を削減。 - これにより行動予測精度を維持しながら計算コストを低減し、モバイル機器でのリアルタイム展開を可能にする。

4. どうやって有効だと検証した?

- 標準データセットであるPushT、Robomimic、CALVIN、LIBERO上で実験評価を実施。 - モバイル機器上でリアルタイムの行動予測を達成しつつ、競争力のある性能を示すことを確認。 - 広範な実世界実験も実施し、提案するLightDPが最先端Diffusion Policyに匹敵する性能を達成できることを示した。 - 具体的な数値や比較指標の詳細は要旨からは不明。

5. 議論はある?

- 資源制約のある環境での拡散ベース政策の実用的展開に向けた重要な一歩と位置づけられている。 - pruningとconsistency distillationの組み合わせにより、サンプリングステップ削減と精度維持の両立を主張。 - 実世界実験で最先端Diffusion Policyに匹敵する性能が示されたと述べられている。 - 限界や失敗事例、計算資源の具体的制約、リアルタイム性の定量的指標などは要旨からは不明。 - モバイル展開時のメモリ消費や消費電力、異なるタスクへの汎化性についての議論は要旨からは不明。

6. 次に読むべき論文は?

- 比較対象として言及されるDiffusion Policy(拡散政策)の原論文。 - consistency distillation(一貫性蒸留)に関する研究。 - pruningおよびretraining(枝刈りと再学習)に関する研究。 - 評価に用いられたPushT、Robomimic、CALVIN、LIBEROの各ベンチマーク論文。 - モバイル向け軽量ポリシーやオンデバイス推論に関する関連研究(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: Yiming Wu, Huan Wang, Zhenghao Chen, Jianxin Pang, Dong Xu

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

Diffusion Policies have significantly advanced robotic manipulation tasks via imitation learning, but their application on resource-constrained mobile platforms remains challenging due to computational inefficiency and extensive memory footprint. In this paper, we propose LightDP, a novel framework specifically designed to accelerate Diffusion Policies for real-time deployment on mobile devices. LightDP addresses the computational bottleneck through two core strategies: network compression of the denoising modules and reduction of the required sampling steps. We first conduct an extensive computational analysis on existing Diffusion Policy architectures, identifying the denoising network as the primary contributor to latency. To overcome performance degradation typically associated with conventional pruning methods, we introduce a unified pruning and retraining pipeline, optimizing the model's post-pruning recoverability explicitly. Furthermore, we combine pruning techniques with consistency distillation to effectively reduce sampling steps while maintaining action prediction accuracy. Experimental evaluations on the standard datasets, \ie, PushT, Robomimic, CALVIN, and LIBERO, demonstrate that LightDP achieves real-time action prediction on mobile devices with competitive performance, marking an important step toward practical deployment of diffusion-based policies in resource-limited environments. Extensive real-world experiments also show the proposed LightDP can achieve performance comparable to state-of-the-art Diffusion Policies.

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