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:2510.27114

ダイナミクス整合による汎化可能な視覚運動ポリシーの学習

Learning Generalizable Visuomotor Policy through Dynamics-Alignment

シェア:XThreadsFacebookLINEはてブBluesky

行動生成時にポリシーとダイナミクスモデルが相互に補正し合うFlow Matchingポリシーを提案し、実世界のマニピュレーションでOOD環境への汎化性能を向上させた。

詳しい要約

1. どんなもの?

- ロボット学習のための新手法 **Dynamics-Aligned Flow Matching Policy (DAP)** を提案する論文。 - behavior cloning の汎化性能の低さを課題として出発点にする。 - video prediction model 由来の時空間表現を policy learning に統合する枠組み。 - 実世界のロボットマニピュレーションタスクで検証している。

2. 先行研究と比べてどこがすごい?

- 従来の behavior cloning は expert demonstration のデータ支持範囲を超えると汎化が悪い。 - 既存の video prediction model ベース手法は大規模データから豊かな時空間表現を学べるが、action-agnostic な dynamics しか学べず制御入力の違いを区別できない。 - そのため精密な manipulation に使いにくく、大規模 pretraining dataset を要する点が限界。 - DAP は dynamics prediction を policy learning に統合し、action 依存の dynamics を扱える点が差分。

3. 技術・手法の肝は?

- **Dynamics-Aligned Flow Matching Policy (DAP)** を提案。 - dynamics prediction を policy learning に組み込む新規アーキテクチャ。 - policy model と dynamics model が action 生成中に相互に corrective feedback を与える。 - これにより self-correction と汎化性能の向上を狙う。 - 詳細なネットワーク構成や学習目的関数は要旨からは不明。

4. どうやって有効だと検証した?

- 実世界のロボットマニピュレーションタスクで empirical validation を実施。 - baseline 手法と比較して汎化性能が優れることを示す。 - 特に visual distractions や lighting variations を含む OOD シナリオで robustness が高い。 - 具体的なタスク数・評価指標・baseline 名は要旨からは不明。

5. 議論はある?

- 要旨からは不明。 - 想定される論点として、相互 feedback の計算コスト、pretraining dataset 依存性の低減度合い、OOD 以外の汎化軸への適用可能性が考えられるが、本文の議論は要旨に記載なし。

6. 次に読むべき論文は?

- 比較対象として言及される **video prediction model** ベースのロボット学習手法(action-agnostic dynamics を学ぶ系統)。 - 基盤となる **behavior cloning** の代表的研究。 - 生成モデルとしての **flow matching** の原論文。 - 関連する **video prediction** を用いた表現学習研究。

※ 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: Dohyeok Lee, Jung Min Lee, Munkyung Kim, Seokhun Ju, Jin Woo Koo, Kyungjae Lee, Dohyeong Kim, TaeHyun Cho, Jungwoo Lee

分類: cs.RO, cs.LG

原文アブストラクト

Behavior cloning methods for robot learning suffer from poor generalization due to limited data support beyond expert demonstrations. Recent approaches leveraging video prediction models have shown promising results by learning rich spatiotemporal representations from large-scale datasets. However, these models learn action-agnostic dynamics that cannot distinguish between different control inputs, limiting their utility for precise manipulation tasks and requiring large pretraining datasets. We propose a Dynamics-Aligned Flow Matching Policy (DAP) that integrates dynamics prediction into policy learning. Our method introduces a novel architecture where policy and dynamics models provide mutual corrective feedback during action generation, enabling self-correction and improved generalization. Empirical validation demonstrates generalization performance superior to baseline methods on real-world robotic manipulation tasks, showing particular robustness in OOD scenarios including visual distractions and lighting variations.

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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  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