日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

強化学習arXiv:2508.11049

GenFlowRL: 生成的オブジェクト中心フローによる視覚強化学習の報酬形成

GenFlowRL: Shaping Rewards with Generative Object-Centric Flow in Visual Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

多様なロボットデータから学習した生成的オブジェクト中心フローを用いて報酬を形成し、視覚強化学習で汎化性の高い操作方策を獲得する手法を提案。

詳しい要約

1. どんなもの?

- GenFlowRL は visual reinforcement learning のための reward shaping 手法 - video generation model から得られる生成 flow を利用 - 多様な cross-embodiment データセットで学習した生成 flow から shaped reward を導出 - 低次元の object-centric 特徴を用いて汎化性・頑健性の高い policy を学習 - 10 の manipulation タスク(シミュレーションと実世界の cross-embodiment 評価)で検証

2. 先行研究と比べてどこがすごい?

- 従来の video generation による inverse dynamics ベースの手法は生成データ品質に強く依存 - 環境フィードバックが無く fine-grained manipulation が苦手 - video-based reinforcement learning は video generation の不確実性と大規模ロボットデータ収集の困難さに制約 - GenFlowRL は生成 flow から shaped reward を導出し、低次元 object-centric 特徴でこれらの制約を緩和 - 多様な cross-embodiment データを活用できる点が特徴

3. 技術・手法の肝は?

- 生成 flow を多様な cross-embodiment データセットから学習 - その生成 flow から shaped reward を導出 - 低次元の object-centric 特徴を manipulation 特徴として抽出 - 抽出した特徴を visual reinforcement learning の reward shaping に利用 - 環境フィードバックを組み合わせて policy を学習(詳細は要旨からは不明)

4. どうやって有効だと検証した?

- 10 の manipulation タスクで実験 - シミュレーション評価を実施 - 実世界での cross-embodiment 評価を実施 - 生成された object-centric flow から抽出した manipulation 特徴の有効性を確認 - 多様で困難なシナリオで一貫して優れた性能を達成

5. 議論はある?

- 生成 flow の品質や不確実性の影響は要旨からは不明 - cross-embodiment データ間の差異への対処は要旨からは不明 - 実世界評価の規模やタスク詳細は要旨からは不明 - 計算コストや学習効率に関する議論は要旨からは不明

6. 次に読むべき論文は?

- video generation model と inverse dynamics を用いた robot learning の先行研究 - video-based reinforcement learning の関連研究 - diffusion model を用いたロボット学習の研究 - object-centric representation learning の関連手法 - cross-embodiment ロボット学習の定番研究

※ 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: Kelin Yu, Sheng Zhang, Harshit Soora, Furong Huang, Heng Huang, Pratap Tokekar, Ruohan Gao

分類: cs.RO, cs.CV

原文アブストラクト

Recent advances have shown that video generation models can enhance robot learning by deriving effective robot actions through inverse dynamics. However, these methods heavily depend on the quality of generated data and struggle with fine-grained manipulation due to the lack of environment feedback. While video-based reinforcement learning improves policy robustness, it remains constrained by the uncertainty of video generation and the challenges of collecting large-scale robot datasets for training diffusion models. To address these limitations, we propose GenFlowRL, which derives shaped rewards from generated flow trained from diverse cross-embodiment datasets. This enables learning generalizable and robust policies from diverse demonstrations using low-dimensional, object-centric features. Experiments on 10 manipulation tasks, both in simulation and real-world cross-embodiment evaluations, demonstrate that GenFlowRL effectively leverages manipulation features extracted from generated object-centric flow, consistently achieving superior performance across diverse and challenging scenarios. Our Project Page: https://colinyu1.github.io/genflowrl

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. 2GXO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
  3. 3newmo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
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI