日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2602.11075

RISE: 構成可能な世界モデルによる自己改善ロボット方策

RISE: Self-Improving Robot Policy with Compositional World Model

シェア:XThreadsFacebookLINEはてブBluesky

ロボット操作のための構成可能な世界モデルを提案し、想像空間での強化学習により実世界での安全性・コスト問題を回避しつつ、動的タスクで大幅な性能向上を実現した。

詳しい要約

1. どんなもの?

RISEは、Vision-Language-Action (VLA) モデルのcontact-richかつdynamicなmanipulationにおける脆さを克服するため、物理世界でのon-policy RLの制約(安全性・ハードウェアコスト・環境リセット)を回避し、imagination(想像)空間でポリシーを改善するスケーラブルなロボット強化学習フレームワーク。中核はCompositional World Modelで、制御可能なdynamics modelによる多視点未来予測と、progress value modelによる想像結果の評価を組み合わせ、ポリシー改善のためのadvantageを生成する。

2. 先行研究と比べてどこがすごい?

従来のVLAモデルはモデル容量とデータ拡張を続けてもcontact-rich・dynamicタスクで脆く、on-policy RLは物理世界では安全リスク・ハードウェアコスト・環境リセットの制約が大きい。RISEは物理相互作用なしに想像空間で閉ループ自己改善を行う点でこれらを克服し、3つの実世界タスクでprior artを大幅に上回る性能(dynamic brick sorting +35%以上、backpack packing +45%、box closing +35%の絶対性能向上)を示した。

3. 技術・手法の肝は?

Compositional World Modelが肝。 (i) 制御可能なdynamics modelで多視点の未来を予測し、(ii) progress value modelで想像された結果を評価して有益なadvantageを生成する。この構成により、stateとvalueをそれぞれ最適な異なるアーキテクチャと目的関数で調整可能。これらを閉ループの自己改善パイプラインに統合し、想像上のrollout生成、advantage推定、ポリシー更新を物理相互作用なしに継続的に行う。

4. どうやって有効だと検証した?

3つの挑戦的な実世界タスクで検証。dynamic brick sortingで+35%以上、backpack packingで+45%、box closingで+35%の絶対性能向上をprior artに対して達成した。

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は明示されていない。関連手法としてVision-Language-Action (VLA) モデル、on-policy reinforcement learning、model-based reinforcement learning、world model、progress value modelなどが挙げられる。

※ 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: Jiazhi Yang, Kunyang Lin, Jinwei Li, Wencong Zhang, Tianwei Lin, Longyan Wu, Zhizhong Su, Hao Zhao, Ya-Qin Zhang, Li Chen, Ping Luo, Xiangyu Yue, Hongyang Li

分類: cs.RO

原文アブストラクト

Despite the sustained scaling on model capacity and data acquisition, Vision-Language-Action (VLA) models remain brittle in contact-rich and dynamic manipulation tasks, where minor execution deviations can compound into failures. While reinforcement learning (RL) offers a principled path to robustness, on-policy RL in the physical world is constrained by safety risk, hardware cost, and environment reset. To bridge this gap, we present RISE, a scalable framework of robotic reinforcement learning via imagination. At its core is a Compositional World Model that (i) predicts multi-view future via a controllable dynamics model, and (ii) evaluates imagined outcomes with a progress value model, producing informative advantages for the policy improvement. Such compositional design allows state and value to be tailored by best-suited yet distinct architectures and objectives. These components are integrated into a closed-loop self-improving pipeline that continuously generates imaginary rollouts, estimates advantages, and updates the policy in imaginary space without costly physical interaction. Across three challenging real-world tasks, RISE yields significant improvement over prior art, with more than +35% absolute performance increase in dynamic brick sorting, +45% for backpack packing, and +35% for box closing, respectively.

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. 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

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