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/ヒューマノイド制御arXiv:2601.19411

タスク中心の運動事前分布最適化:不整合な模倣を条件付き正則化で扱うヒューマノイド制御

Task-Centric Policy Optimization from Misaligned Motion Priors

シェア:XThreadsFacebookLINEはてブBluesky

人間の運動デモを模倣の共目的ではなくタスク進捗に応じた条件付き正則化として扱い、不整合な事前分布下でも自然な動きを保ちつつタスク性能を高める敵対的模倣学習フレームワークTCMPを提案した。

詳しい要約

1. どんなもの?

- どんなもの? - 人型ロボット制御において、人間のデモンストレーションから得られる運動priorを活用する手法。 - 従来の線形報酬混合によるadversarial imitation learningの限界を指摘し、タスク優先のadversarial imitationフレームワーク「Task-Centric Motion Priors (TCMP)」を提案。 - 模倣を条件付き正則化として扱い、タスク進捗と両立する場合のみ模倣信号を組み込む。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 従来の線形報酬混合では、模倣とタスクの目的が対等に扱われ、misalignment時にタスク性能が劣化する問題があった。 - TCMPは模倣を条件付き正則化とすることで、タスク優先の更新を実現し、有害な模倣を抑制。 - ノイズの多いデモンストレーション下でも、一貫した運動スタイルを保ちつつロバストなタスク性能を達成。

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - 模倣を条件付き正則化として扱い、タスク改善を最大化しつつ、模倣信号はタスク進捗と互換性がある場合のみ組み込む。 - 適応的で幾何学的に認識された更新により、タスク実行可能な降下方向を保持し、misalignment下での有害な模倣を抑制。 - 勾配衝突とタスク優先の定常点に関する理論解析を提供。

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - 人型ロボット制御実験を通じて、ノイズの多いデモンストレーション下でのロバストなタスク性能と一貫した運動スタイルを実証。 - 理論解析(勾配衝突とタスク優先の定常点)も検証。

5. 議論はある?

- 議論はある? - 線形報酬混合の根本的限界を指摘し、模倣を条件付き正則化とする枠組みの有効性を示す。 - 理論解析により勾配衝突とタスク優先の定常点を議論。 - 具体的な限界や今後の課題については要旨からは不明。

6. 次に読むべき論文は?

- 次に読むべき論文は? - adversarial imitation learning(例:GAIL) - 人型ロボット制御における運動prior活用(例:DeepMimic) - タスクと模倣のマルチオブジェクティブ最適化 - 報酬混合や勾配衝突に関する研究

※ 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: Ziang Zheng, Kai Feng, Yi Nie, Shentao Qin

分類: cs.RO, cs.LG

原文アブストラクト

Humanoid control often leverages motion priors from human demonstrations to encourage natural behaviors. However, such demonstrations are frequently suboptimal or misaligned with robotic tasks due to embodiment differences, retargeting errors, and task-irrelevant variations, causing na\"ive imitation to degrade task performance. Conversely, task-only reinforcement learning admits many task-optimal solutions, often resulting in unnatural or unstable motions. This exposes a fundamental limitation of linear reward mixing in adversarial imitation learning. We propose \emph{Task-Centric Motion Priors} (TCMP), a task-priority adversarial imitation framework that treats imitation as a conditional regularizer rather than a co-equal objective. TCMP maximizes task improvement while incorporating imitation signals only when they are compatible with task progress, yielding an adaptive, geometry-aware update that preserves task-feasible descent and suppresses harmful imitation under misalignment. We provide theoretical analysis of gradient conflict and task-priority stationary points, and validate our claims through humanoid control experiments demonstrating robust task performance with consistent motion style under noisy demonstrations.

  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. 5Google DeepMind、ロボット向けAIを発表新製品・発表

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