日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロボット学習arXiv:2510.19373

温度サンプリングによる不均衡データセット上のロボット学習ポリシーの効果的訓練

Using Temperature Sampling to Effectively Train Robot Learning Policies on Imbalanced Datasets

シェア:XThreadsFacebookLINEはてブBluesky

ロボット行動データセットの物理的行動の不均衡を緩和するため、温度サンプリングに基づく簡便なサンプリング戦略を提案し、小規模モデルの事前学習と大規模基盤モデルの微調整の両方で低リソースタスクの性能を向上させた。

詳しい要約

1. どんなもの?

- ロボット学習用の大規模データセットにおける『物理的な行動の偏り(imbalance)』を緩和するための、シンプルなサンプリング戦略を提案した研究。 - タスク記述は異なっても(例: 'pick up an apple' と 'pick up an orange')物理的行動が類似するため、データセットが行動分布に関して不均衡になる点に着目。 - 既存コードベースに数行で組み込める軽量な手法で、汎化性能を改善することを狙う。 - 小規模モデルの pre-training と大規模 foundational models の fine-tuning の両方で評価。 - Franka Panda robot arm を用いた実環境でも検証している。

2. 先行研究と比べてどこがすごい?

- 先行する state-of-the-art 手法と比較して、low-resource tasks で大幅な改善を示したと主張。 - 一方で high-resource tasks の性能を劣化させない点を強調。 - これにより multi-task policies のモデル容量をより有効に活用できると述べている。 - 手法が数行のコードで既存コードベースに統合できる簡便さも、先行手法との差異として挙げられる。 - 具体的な比較対象の手法名は要旨からは不明。

3. 技術・手法の肝は?

- 核心は『Temperature Sampling』を用いたサンプリング戦略により、データセット内の物理的行動の不均衡を緩和する点。 - タスク記述ではなく物理的行動の類似性に起因する偏りに着目し、サンプリング確率を調整する。 - 実装は既存コードベースに数行で組み込める簡潔なものとされる。 - pre-training と fine-tuning の両方に適用可能な汎用的な枠組みとして提示。 - Temperature の具体的な設定方法や数式の詳細は要旨からは不明。

4. どうやって有効だと検証した?

- 小規模モデルの pre-training と、大規模 foundational models の fine-tuning の両方で評価。 - low-resource tasks において prior state-of-the-art 手法より大幅な改善を確認。 - high-resource tasks では性能劣化がないことを確認。 - 実環境として Franka Panda robot arm を用い、多様なタスクで追加検証を実施。 - 具体的なタスク数・指標・ベースラインの詳細は要旨からは不明。

5. 議論はある?

- モデル容量を multi-task policies に対してより有効に使える可能性を議論。 - データセットの不均衡が物理的行動の類似性に由来するという整理を提示。 - 一方で、Temperature Sampling のパラメータ選択や、どの程度の不均衡まで有効かといった限界については要旨からは不明。 - 実環境検証の規模や被験者評価の有無も要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照・比較されている prior state-of-the-art 手法(具体的名称は要旨からは不明)の原論文。 - foundational models を用いた robot learning / multi-task policy learning の代表的研究(一般名: robot foundation models)。 - データ不均衡対策の一般手法としての temperature sampling や re-sampling / re-weighting に関する研究。 - Franka Panda robot arm を用いた実環境ロボット学習の関連研究。

※ 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: Basavasagar Patil, Sydney Belt, Jayjun Lee, Nima Fazeli, Bernadette Bucher

分類: cs.RO, cs.LG

原文アブストラクト

Increasingly large datasets of robot actions and sensory observations are being collected to train ever-larger neural networks. These datasets are collected based on tasks and while these tasks may be distinct in their descriptions, many involve very similar physical action sequences (e.g., 'pick up an apple' versus 'pick up an orange'). As a result, many datasets of robotic tasks are substantially imbalanced in terms of the physical robotic actions they represent. In this work, we propose a simple sampling strategy for policy training that mitigates this imbalance. Our method requires only a few lines of code to integrate into existing codebases and improves generalization. We evaluate our method in both pre-training small models and fine-tuning large foundational models. Our results show substantial improvements on low-resource tasks compared to prior state-of-the-art methods, without degrading performance on high-resource tasks. This enables more effective use of model capacity for multi-task policies. We also further validate our approach in a real-world setup on a Franka Panda robot arm across a diverse set of tasks.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI