日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2601.01948

原始スキルから拡散ポリシーを学習するロボットマニピュレーション

Learning Diffusion Policy from Primitive Skills for Robot Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

「上に動かす」「グリッパを開く」などの細かい原始スキルを抽出し、視覚言語モデルとルータでスキル条件付き拡散ポリシーを構成することで、多様なタスクで高精度なマニピュレーションを実現した研究。

詳しい要約

1. どんなもの？

- ロボットマニピュレーションのための拡散ポリシー（DP）の新しい手法であるSDPを提案。 - SDPは、スキル条件付きDPであり、解釈可能なスキル学習と条件付き行動計画を統合。 - 8つの再利用可能なプリミティブスキル（例：'move up', 'open the gripper'）を抽象化。 - 視覚言語モデル（VLM）を用いて視覚観測と言語指示から離散表現を抽出。 - 軽量ルーターネットワークが各状態に適したプリミティブスキルを割り当て、単一スキルポリシーを構築。 - 複雑なタスクをプリミティブスキルのシーケンスに分解し、スキル整合性のある行動を生成。

2. 先行研究と比べてどこがすごい？

- 既存のDPはグローバルな指示に依存し、短期制御信号を生成するため、行動生成にミスアライメントが生じる可能性がある。 - SDPはプリミティブスキルを導入することで、より直感的で効果的なインターフェースを提供。 - スキル条件付きDPにより、多様なタスクでスキル整合性のある行動を保証。 - 2つの挑戦的なシミュレーションベンチマークと実世界ロボット展開で、SOTA手法を一貫して上回る性能を実証。

3. 技術・手法の肝は？

- 8つの再利用可能なプリミティブスキルを抽象化。 - 視覚言語モデル（VLM）を用いて視覚観測と言語指示から離散表現を抽出。 - 軽量ルーターネットワークを設計し、各状態に望ましいプリミティブスキルを割り当て。 - 単一スキルポリシーを構築し、スキルに整合した行動を生成。 - 複雑なタスクをプリミティブスキルのシーケンスに分解し、単一スキルポリシーを選択。

4. どうやって有効だと検証した？

- 2つの挑戦的なシミュレーションベンチマークと実世界ロボット展開で実験を実施。 - SDPがSOTA手法を一貫して上回ることを示した。 - 具体的なベンチマーク名や評価指標は要旨からは不明。

5. 議論はある？

- 要旨からは、SDPの限界や議論の詳細は不明。 - プリミティブスキルの抽象化やルーターネットワークの設計に関する議論は明示されていない。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：Diffusion Policy (DP)。 - 関連手法：Vision-Language Model (VLM) を用いたロボット学習。 - 同分野の定番：Behavior Cloning, Reinforcement Learning for Manipulation。

※ 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: Zhihao Gu, Ming Yang, Difan Zou, Dong Xu

分類: cs.RO

原文アブストラクト

Diffusion policies (DP) have recently shown great promise for generating actions in robotic manipulation. However, existing approaches often rely on global instructions to produce short-term control signals, which can result in misalignment in action generation. We conjecture that the primitive skills, referred to as fine-grained, short-horizon manipulations, such as ``move up'' and ``open the gripper'', provide a more intuitive and effective interface for robot learning. To bridge this gap, we propose SDP, a skill-conditioned DP that integrates interpretable skill learning with conditional action planning. SDP abstracts eight reusable primitive skills across tasks and employs a vision-language model to extract discrete representations from visual observations and language instructions. Based on them, a lightweight router network is designed to assign a desired primitive skill for each state, which helps construct a single-skill policy to generate skill-aligned actions. By decomposing complex tasks into a sequence of primitive skills and selecting a single-skill policy, SDP ensures skill-consistent behavior across diverse tasks. Extensive experiments on two challenging simulation benchmarks and real-world robot deployments demonstrate that SDP consistently outperforms SOTA methods, providing a new paradigm for skill-based robot learning with diffusion policies.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  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
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →