日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

視覚ナビゲーションarXiv:2601.22965

自己模倣拡散ポリシーによる効率的で堅牢な視覚ナビゲーション

Self-Imitated Diffusion Policy for Efficient and Robust Visual Navigation

シェア:XThreadsFacebookLINEはてブBluesky

拡散ポリシーが自分自身で生成した軌道を報酬誘導で選択的に模倣することで、高品質な計画を効率的に学習し、推論時のフィルタリング依存を減らしてリアルタイム視覚ナビゲーションを実現した。

詳しい要約

1. どんなもの?

- 視覚ナビゲーションのための新しいフレームワークである Self-Imitated Diffusion Policy (SIDP) を提案。 - Diffusion Policy (DP) の課題である、模倣学習による専門家デモの非最適性と冗長性、および推論時の「generate-then-filter」パイプラインの計算コストを解決する。 - 自己生成した軌跡を選択的に模倣することで、効率的かつロバストな計画を学習する。

2. 先行研究と比べてどこがすごい?

- 従来の DP は専門家デモに依存し、推論時に補助セレクタを用いた高コストなフィルタリングが必要だった。 - SIDP は自己模倣により、一貫して高品質な軌跡を効率的に生成し、大量のサンプリングと後処理フィルタリングへの依存を低減。 - シミュレーションベンチマークで従来手法を大幅に上回り、実世界実験でも有効性を確認。 - Jetson Orin Nano 上でベースラインの NavDP より 2.5 倍高速な推論 (110ms vs 273ms) を実現。

3. 技術・手法の肝は?

- 報酬誘導型自己模倣メカニズムを導入し、ポリシーが高品質な軌跡を一貫して生成するように促す。 - トレーニング中に報酬駆動型カリキュラム学習パラダイムを採用し、データ効率を改善。 - 目標非依存の探索による軌跡拡張を行い、計画のロバスト性を向上。

4. どうやって有効だと検証した?

- 包括的なシミュレーションベンチマークで評価し、従来手法を大幅に上回る性能を確認。 - 複数のロボティックプラットフォームでの実世界実験により有効性を検証。 - Jetson Orin Nano 上で推論速度を測定し、ベースライン NavDP より 2.5 倍高速 (110ms vs 273ms) であることを確認。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- NavDP (ベースラインとして比較) - Diffusion Policy (DP) の関連研究 - 模倣学習 (IL) 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: Runhua Zhang, Junyi Hou, Changxu Cheng, Qiyi Chen, Tao Wang, Wuyue Zhao

分類: cs.RO

原文アブストラクト

Diffusion policies (DP) have demonstrated significant potential in visual navigation by capturing diverse multi-modal trajectory distributions. However, standard imitation learning (IL), which most DP methods rely on for training, often inherits sub-optimality and redundancy from expert demonstrations, thereby necessitating a computationally intensive "generate-then-filter" pipeline that relies on auxiliary selectors during inference. To address these challenges, we propose Self-Imitated Diffusion Policy (SIDP), a novel framework that learns improved planning by selectively imitating a set of trajectories sampled from itself. Specifically, SIDP introduces a reward-guided self-imitation mechanism that encourages the policy to consistently produce high-quality trajectories efficiently, rather than outputs of inconsistent quality, thereby reducing reliance on extensive sampling and post-filtering. During training, we employ a reward-driven curriculum learning paradigm to mitigate inefficient data utility, and goal-agnostic exploration for trajectory augmentation to improve planning robustness. Extensive evaluations on a comprehensive simulation benchmark show that SIDP significantly outperforms previous methods, with real-world experiments confirming its effectiveness across multiple robotic platforms. On Jetson Orin Nano, SIDP delivers a 2.5$\times$ faster inference than the baseline NavDP, i.e., 110ms VS 273ms, enabling efficient real-time deployment.

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. 3GXO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
  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