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:2509.19853

SAGE: 隠れマルコフ決定過程による多段階逐次タスクのための状態認識誘導エンドツーエンド方策

SAGE:State-Aware Guided End-to-End Policy for Multi-Stage Sequential Tasks via Hidden Markov Decision Process

シェア:XThreadsFacebookLINEはてブBluesky

多段階のロボット操作タスクを隠れマルコフ決定過程としてモデル化し、潜在的なタスク段階を推論して状態の曖昧さを解消する模倣学習フレームワークを提案。実世界実験で100%のタスク成功率を達成した。

詳しい要約

1. どんなもの?

- 多段階逐次(MSS)ロボット操作タスクを対象とした状態認識型の模倣学習フレームワークSAGE - タスクをHidden Markov Decision Process (HMDP)としてモデル化 - 視覚的に類似した観測が異なる行動に対応する「状態の曖昧性」の解消を狙う - 実世界の複雑なMSSタスクで検証されたシステム

2. 先行研究と比べてどこがすごい?

- 従来の模倣学習は観測から直接行動を写像し、状態の曖昧性を明示的に扱わない - SAGEはHMDPにより潜在的なタスク段階を明示的に捉え、段階間の曖昧性を解消 - 標準評価プロトコル下で100%のタスク成功率を達成し、baselinesを大きく上回った - 手動ラベリングを約13%の状態に抑えても性能を維持できる点が従来との差異(具体的な比較対象は要旨からは不明)

3. 技術・手法の肝は?

- HMDPをstate transition networkとstate-aware action policyで実装 - state transition networkが隠れ状態を推論 - state-aware action policyが観測と隠れ状態の両方に条件付けして行動を生成し、段階間の曖昧性を解消 - 手動アノテーション負荷を減らすため、active learningとsoft label interpolationを組み合わせた半自動ラベリングパイプラインを提案

4. どうやって有効だと検証した?

- 状態の曖昧性を含む複数の複雑な実世界MSSタスクで実験 - 標準評価プロトコル下でSAGEは100%のタスク成功率を達成し、baselinesを顕著に上回った - アブレーション研究で、約13%の状態のみ手動ラベリングしても性能を維持できることを示した

5. 議論はある?

- 半自動ラベリングにより手動アノテーションを大幅に削減できる可能性を示唆 - 状態の曖昧性をHMDPで扱う有効性が示された一方、限界や失敗事例の詳細は要旨からは不明 - 実世界タスクでの汎化性や他タスクへの適用性に関する議論は要旨からは不明

6. 次に読むべき論文は?

- Hidden Markov Model (HMM)やPartially Observable Markov Decision Process (POMDP)を用いた模倣学習・状態推定の研究 - active learningやsoft label interpolationを用いたアノテーション削減の研究 - 多段階逐次(MSS)操作タスク向けの模倣学習・階層的政策の研究(具体的な参照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: BinXu Wu, TengFei Zhang, Chen Yang, JiaHao Wen, HaoCheng Li, JingTian Ma, Zhen Chen, JingYuan Wang

分類: cs.RO

原文アブストラクト

Multi-stage sequential (MSS) robotic manipulation tasks are prevalent and crucial in robotics. They often involve state ambiguity, where visually similar observations correspond to different actions. We present SAGE, a state-aware guided imitation learning framework that models tasks as a Hidden Markov Decision Process (HMDP) to explicitly capture latent task stages and resolve ambiguity. We instantiate the HMDP with a state transition network that infers hidden states, and a state-aware action policy that conditions on both observations and hidden states to produce actions, thereby enabling disambiguation across task stages. To reduce manual annotation effort, we propose a semi-automatic labeling pipeline combining active learning and soft label interpolation. In real-world experiments across multiple complex MSS tasks with state ambiguity, SAGE achieved 100% task success under the standard evaluation protocol, markedly surpassing the baselines. Ablation studies further show that such performance can be maintained with manual labeling for only about 13% of the states, indicating its strong effectiveness.

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