日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

模倣学習arXiv:2510.24095

実演からのパラメータ化スキル学習

Learning Parameterized Skills from Demonstrations

シェア:XThreadsFacebookLINEはてブBluesky

専門家の実演からパラメータ化されたスキルを発見するDEPSを提案し、メタポリシーと共に学習することで未見タスクへの汎化性能を向上させた。

詳しい要約

1. どんなもの?

- 専門家のデモンストレーションからパラメータ化されたスキルを発見する end-to-end アルゴリズム DEPS を提案 - パラメータ化スキル方策と、各 timestep で適切な離散スキルと連続パラメータを選択する meta-policy を同時に学習 - 学習したスキルは時間的に拡張され、意味的に解釈可能で、適応可能であることを目指す - LIBERO と MetaWorld のベンチマークで評価

2. 先行研究と比べてどこがすごい?

- multitask および skill learning のベースラインを LIBERO と MetaWorld の両方で上回る - multitask 専門家デモからパラメータ化スキルを学習することで、未見タスクへの汎化が有意に向上 - 単なるスキル学習ではなく、連続パラメータを持つ解釈可能なスキルを発見できる点が特徴 - 具体的な先行研究名は要旨からは不明

3. 技術・手法の肝は?

- パラメータ化スキル方策と meta-policy を joint に学習する end-to-end アルゴリズム - temporal variational inference と information-theoretic regularization を組み合わせる - latent variable model に共通する degeneracy 問題に対処 - これによりスキルが時間的に拡張され、意味的に有意で適応可能になることを狙う

4. どうやって有効だと検証した?

- LIBERO と MetaWorld のベンチマークで multitask および skill learning ベースラインと比較 - multitask 専門家デモからの学習が未見タスクへの汎化を改善することを実証的に示す - DEPS が解釈可能なパラメータ化スキルを発見することを示す(例: 連続引数が把持位置を定義する object grasping skill)

5. 議論はある?

- latent variable model における degeneracy への対処が設計上の重要な論点 - 学習されたスキルの時間的拡張性・意味的解釈性・適応性の確保が議論の中心 - 具体的な限界や失敗ケース、計算コストなどは要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照されている multitask および skill learning のベースライン(個別名は要旨からは不明) - temporal variational inference および information-theoretic regularization の関連研究 - LIBERO および MetaWorld ベンチマークの関連論文 - 同分野の定番として latent variable model に基づく skill discovery 手法

※ 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: Vedant Gupta, Haotian Fu, Calvin Luo, Yiding Jiang, George Konidaris

分類: cs.LG, cs.AI, cs.RO

原文アブストラクト

We present DEPS, an end-to-end algorithm for discovering parameterized skills from expert demonstrations. Our method learns parameterized skill policies jointly with a meta-policy that selects the appropriate discrete skill and continuous parameters at each timestep. Using a combination of temporal variational inference and information-theoretic regularization methods, we address the challenge of degeneracy common in latent variable models, ensuring that the learned skills are temporally extended, semantically meaningful, and adaptable. We empirically show that learning parameterized skills from multitask expert demonstrations significantly improves generalization to unseen tasks. Our method outperforms multitask as well as skill learning baselines on both LIBERO and MetaWorld benchmarks. We also demonstrate that DEPS discovers interpretable parameterized skills, such as an object grasping skill whose continuous arguments define the grasp location.

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

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