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:2602.01115

KANでフローする?KANとRWKVによる3Dフローマッチングでロボットマニピュレーションを進化させる

KAN We Flow? Advancing Robotic Manipulation with 3D Flow Matching via KAN & RWKV

シェア:XThreadsFacebookLINEはてブBluesky

軽量なRWKV-KANバックボーンと行動一貫性正則化を組み合わせたフローマッチング方策を提案し、パラメータを86.8%削減しつつ複数の操作ベンチマークで最高精度を達成した。

詳しい要約

1. どんなもの?

- 拡散ベースの視覚運動ポリシーは行動分布のモデリングに優れるが、推論時に多数のステップと重いUNetバックボーンを必要とし、リソース制約のあるロボットへの展開が困難。 - フローマッチングはワンステップのベクトル場学習でサンプリング負荷を軽減するが、従来実装は依然として大規模UNetアーキテクチャを継承。 - 本研究では、RWKVとKANを視覚から3Dマニピュレーションに応用し、軽量で表現力の高いバックボーンを構築したフローマッチングポリシー「KAN-We-Flow」を提案。 - 具体的には、RWKV-KANブロックを導入:RWKVが効率的な時間/チャネル混合でタスクコンテキストを伝播し、続くGroupKAN層が学習可能なスプラインに基づくグループワイズ関数マッピングを適用し、RWKV出力上の行動マッピングの特徴ごとの非線形キャリブレーションを実行。 - さらに、Action Consistency Regularization (ACR)を導入:オイラー外挿を介して予測行動軌跡と専門家デモ間の整合性を強制する軽量補助損失で、追加の監督を提供し訓練を安定化させポリシー精度を向上。 -…

2. 先行研究と比べてどこがすごい?

- 従来の拡散ベース視覚運動ポリシーは推論非効率で、ノイズからポリシーへの再帰的デノイジングに多数ステップと重いUNetバックボーンを要し、リソース制約ロボットへの展開を妨げる。 - フローマッチングはワンステップベクトル場学習でサンプリング負荷を軽減するが、先行実装は依然として大規模UNetスタイルアーキテクチャを継承。 - 本研究は、RWKVとKANを活用した軽量で表現力の高いバックボーンを構築し、大規模UNetに頼らずパラメータを86.8%削減。 - 高速実行を維持しつつ、Adroit、Meta-World、DexArtベンチマークで最先端の成功率を達成。

3. 技術・手法の肝は?

- RWKV-KANブロックを導入:RWKVが効率的な時間/チャネル混合でタスクコンテキストを伝播し、続くGroupKAN層が学習可能なスプラインに基づくグループワイズ関数マッピングを適用し、RWKV出力上の行動マッピングの特徴ごとの非線形キャリブレーションを実行。 - Action Consistency Regularization (ACR)を導入:オイラー外挿を介して予測行動軌跡と専門家デモ間の整合性を強制する軽量補助損失で、追加の監督を提供し訓練を安定化させポリシー精度を向上。 - フローマッチングポリシーとして、ワンステップベクトル場学習を採用。

4. どうやって有効だと検証した?

- Adroit、Meta-World、DexArtベンチマークで評価。 - 最先端の成功率を達成。 - パラメータを86.8%削減し、高速実行を維持。

5. 議論はある?

- 要旨からは不明。

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-based visuomotor policies、Flow matching、UNet、RWKV、KAN、GroupKAN、Action Consistency Regularization (ACR)、Euler extrapolation。 - 関連手法:Adroit、Meta-World、DexArtベンチマーク。

※ 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 Chen, Yiyuan Ge, Ziyang Wang

分類: cs.RO, cs.CV

原文アブストラクト

Diffusion-based visuomotor policies excel at modeling action distributions but are inference-inefficient, since recursively denoising from noise to policy requires many steps and heavy UNet backbones, which hinders deployment on resource-constrained robots. Flow matching alleviates the sampling burden by learning a one-step vector field, yet prior implementations still inherit large UNet-style architectures. In this work, we present KAN-We-Flow, a flow-matching policy that draws on recent advances in Receptance Weighted Key Value (RWKV) and Kolmogorov-Arnold Networks (KAN) from vision to build a lightweight and highly expressive backbone for 3D manipulation. Concretely, we introduce an RWKV-KAN block: an RWKV first performs efficient time/channel mixing to propagate task context, and a subsequent GroupKAN layer applies learnable spline-based, groupwise functional mappings to perform feature-wise nonlinear calibration of the action mapping on RWKV outputs. Moreover, we introduce an Action Consistency Regularization (ACR), a lightweight auxiliary loss that enforces alignment between predicted action trajectories and expert demonstrations via Euler extrapolation, providing additional supervision to stabilize training and improve policy precision. Without resorting to large UNets, our design reduces parameters by 86.8\%, maintains fast runtime, and achieves state-of-the-art success rates on Adroit, Meta-World, and DexArt benchmarks. Our project page can be viewed in \href{https://zhihaochen-2003.github.io/KAN-We-Flow.github.io/}{\textcolor{red}{link}}

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI