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:2508.15021

動的マニピュレーションのための文脈内反復方策改善

In-Context Iterative Policy Improvement for Dynamic Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

大規模言語モデルの文脈内学習を活用し、過去の相互作用からパラメトリック方策の調整を予測する反復的手法を提案。シミュレーションと実機で低データ領域において優れた性能を示した。

詳しい要約

1. どんなもの?

- 事前学習済みの LLM の in-context learning を用い、dynamic manipulation のための parametric policy を反復的に改善する手法を提案する研究。 - 過去の interaction 結果をプロンプトに与え、次に試す policy パラメータの調整量を予測させる枠組み。 - simulation と実機ロボットの複数タスクで評価。

2. 先行研究と比べてどこがすごい?

- LLM の in-context learning を language 以外の general patterns に拡張できる点に着目し、dynamic manipulation へ適用。 - dynamic manipulation の難しさ(高次元性、複雑な dynamics、partial observability)に対し、iterative な in-context learning で対処。 - 低データ領域(low data regime)で代替手法を上回ると報告。

3. 技術・手法の肝は?

- in-context learning の問題を『過去の interaction に基づく parametric policy への調整量の予測』として定式化。 - 反復的に interaction を行い、その結果を文脈として与えて policy を更新する iterative approach を採用。 - 詳細なアルゴリズム・プロンプト設計は要旨からは不明。

4. どうやって有効だと検証した?

- simulation 上の複数タスクと実機ロボットで実験。 - in-context learning を用いる手法が low data regime で代替手法より優れることを示した。 - 実験の詳細・比較手法・指標は要旨からは不明。動画 https://youtu.be/2inxpdrq74U でまとめられている。

5. 議論はある?

- 要旨からは不明。 - 想定される論点として low data regime での優位性、dynamic manipulation の高次元性・複雑な dynamics・partial observability への対処があるが、本文の議論内容は要旨に記載なし。

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 in-context learning、LLM による few-shot learning、parametric policy の調整、dynamic manipulation の学習手法(例: reinforcement learning、imitation learning)を挙げる。 - 具体的な次読論文は要旨からは不明。

※ 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: Mark Van der Merwe, Devesh Jha

分類: cs.RO

原文アブストラクト

Attention-based architectures trained on internet-scale language data have demonstrated state of the art reasoning ability for various language-based tasks, such as logic problems and textual reasoning. Additionally, these Large Language Models (LLMs) have exhibited the ability to perform few-shot prediction via in-context learning, in which input-output examples provided in the prompt are generalized to new inputs. This ability furthermore extends beyond standard language tasks, enabling few-shot learning for general patterns. In this work, we consider the application of in-context learning with pre-trained language models for dynamic manipulation. Dynamic manipulation introduces several crucial challenges, including increased dimensionality, complex dynamics, and partial observability. To address this, we take an iterative approach, and formulate our in-context learning problem to predict adjustments to a parametric policy based on previous interactions. We show across several tasks in simulation and on a physical robot that utilizing in-context learning outperforms alternative methods in the low data regime. Video summary of this work and experiments can be found https://youtu.be/2inxpdrq74U?si=dAdDYsUEr25nZvRn.

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