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:2509.19102

FunCanon: 機能的な物体正規化による姿勢認識型行動プリミティブの学習と汎用ロボットマニピュレーション

FUNCanon: Learning Pose-Aware Action Primitives via Functional Object Canonicalization for Generalizable Robotic Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

長期的なマニピュレーションタスクを行為者・動作・対象からなる行動チャンクに分解し、大規模視覚言語モデルのアフォーダンス手がかりで物体を共通の機能座標系に正規化することで、カテゴリレベルで汎化し再利用可能な拡散ポリシーを学習する枠組みを提案。

詳しい要約

1. どんなもの?

- 長期的な manipulation タスクを actor・verb・object で定義される action chunk の系列に分解し、タスク単位ではなく行動単位で policy を学習する枠組み FunCanon を提案する研究。 - 大規模 vision language model の affordance cue を用いた functional object canonicalization により、物体を共有の functional frame に写像し、pose-aware かつ category-general な policy を目指す。 - この整列データで学習する object-centric / action-centric な diffusion policy FuncDiffuser を中核とする。

2. 先行研究と比べてどこがすごい?

- end-to-end の実演から汎用 skill を学ぶ従来手法は、訓練分布外で汎化しないタスク特化 policy になりがちという課題がある。 - 本手法は action chunk への分解により compositionality と reuse を可能にし、policy 学習を個別タスクではなく行動自体に集中させる点が異なる。 - functional canonicalization により物体を共有 functional frame に整列させ、pose とカテゴリを意識した汎化を狙う点が先行研究との違いとして示されている。

3. 技術・手法の肝は?

- 長期的 manipulation タスクを actor・verb・object からなる action chunk の系列へ変換する。 - 大規模 vision language model の affordance cue を用いて functional object canonicalization を行い、functional alignment と manipulation trajectory の自動転送を実現する。 - 整列済みデータで object-centric かつ action-centric な diffusion policy である FuncDiffuser を学習し、物体の affordance と pose を自然に尊重させる。

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のベンチマークで実験を行ったと記載されている。 - category-level generalization、cross-task behavior reuse、robust な sim2real deployment を示したと述べられている。 - 具体的なタスク・指標・比較手法の詳細は要旨からは不明。

5. 議論はある?

- functional canonicalization が複雑な manipulation 領域におけるスケーラブルな imitation learning のための強い inductive bias になると主張している。 - 限界や失敗事例、計算コスト、vision language model 依存性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 diffusion policy、imitation learning、vision language model を用いた affordance 推定、action chunking に関する研究を次に読む候補として挙げる。 - 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: Hongli Xu, Lei Zhang, Xiaoyue Hu, Boyang Zhong, Kaixin Bai, Zoltán-Csaba Márton, Zhenshan Bing, Zhaopeng Chen, Alois Christian Knoll, Jianwei Zhang

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

General-purpose robotic skills from end-to-end demonstrations often leads to task-specific policies that fail to generalize beyond the training distribution. Therefore, we introduce FunCanon, a framework that converts long-horizon manipulation tasks into sequences of action chunks, each defined by an actor, verb, and object. These chunks focus policy learning on the actions themselves, rather than isolated tasks, enabling compositionality and reuse. To make policies pose-aware and category-general, we perform functional object canonicalization for functional alignment and automatic manipulation trajectory transfer, mapping objects into shared functional frames using affordance cues from large vision language models. An object centric and action centric diffusion policy FuncDiffuser trained on this aligned data naturally respects object affordances and poses, simplifying learning and improving generalization ability. Experiments on simulated and real-world benchmarks demonstrate category-level generalization, cross-task behavior reuse, and robust sim2real deployment, showing that functional canonicalization provides a strong inductive bias for scalable imitation learning in complex manipulation domains. Details of the demo and supplemental material are available on our project website https://sites.google.com/view/funcanon.

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