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:2602.15872

MARVL: 視覚言語モデルによるロボットマニピュレーションの多段階ガイダンス

MARVL: Multi-Stage Guidance for Robotic Manipulation via Vision-Language Models

シェア:XThreadsFacebookLINEはてブBluesky

視覚言語モデルを微調整してタスクを多段階のサブタスクに分解し、密な報酬を自動設計することで、ロボット強化学習のサンプル効率と頑健性を向上させた研究。

詳しい要約

1. どんなもの?

MARVLは、Vision-Language Models (VLMs) を活用してロボティックマニピュレーションのための密な報酬関数を自動設計する手法である。VLMを微調整して空間的・意味的整合性を高め、タスクを多段階のサブタスクに分解し、タスク方向投影を用いて軌道感度を向上させる。Meta-Worldベンチマークで評価され、既存のVLM報酬手法より優れたサンプル効率と疎報酬マニピュレーションタスクでの堅牢性を示す。

2. 先行研究と比べてどこがすごい?

従来の密な報酬は手動設計に依存し、スケーラビリティと自動化を制限していた。また、既存のVLM報酬はタスク進捗と不一致、空間的グラウンディングの困難、タスク意味論の理解不足という問題があった。MARVLはこれらを解決し、Meta-Worldベンチマークで既存のVLM報酬手法を大幅に上回る性能を達成した。

3. 技術・手法の肝は?

MARVLは、VLMを微調整して空間的・意味的整合性を確保する。さらに、タスクを多段階のサブタスクに分解し、タスク方向投影を導入して軌道感度を高める。これにより、VLM報酬がタスク進捗と整合し、空間的グラウンディングと意味論的理解が向上する。

4. どうやって有効だと検証した?

Meta-Worldベンチマークを用いて評価を実施。MARVLは既存のVLM報酬手法と比較して、サンプル効率と疎報酬マニピュレーションタスクにおける堅牢性で優位性を示した。

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が、関連手法としてVision-Language Models (VLMs) を用いた報酬設計や、Meta-WorldベンチマークにおけるReinforcement Learning (RL) の研究が挙げられる。

※ 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: Xunlan Zhou, Xuanlin Chen, Shaowei Zhang, ShengHua Wan, Xiaohai Hu, Lei Yuan, De-chuan Zhan

分類: cs.RO, cs.CV, cs.LG

原文アブストラクト

Designing dense reward functions is pivotal for efficient robotic Reinforcement Learning (RL). However, most dense rewards rely on manual engineering, which fundamentally limits the scalability and automation of reinforcement learning. While Vision-Language Models (VLMs) offer a promising path to reward design, naive VLM rewards often misalign with task progress, struggle with spatial grounding, and show limited understanding of task semantics. To address these issues, we propose MARVL-Multi-stAge guidance for Robotic manipulation via Vision-Language models. MARVL fine-tunes a VLM for spatial and semantic consistency and decomposes tasks into multi-stage subtasks with task direction projection for trajectory sensitivity. Empirically, MARVL significantly outperforms existing VLM-reward methods on the Meta-World benchmark, demonstrating superior sample efficiency and robustness on sparse-reward manipulation tasks.

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