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arXiv:2602.21684

ロボット模倣における行動生成のための粗密分離フレームワーク

Primary-Fine Decoupling for Action Generation in Robotic Imitation

シェア:XThreadsFacebookLINEはてブBluesky

行動を粗い離散モードと細かい連続行動に分離する2段階手法を提案し、多峰性行動の模倣学習を安定化させ、ベンチマークと実機で性能を向上させた。

詳しい要約

1. どんなもの?

- ロボット模倣学習における多峰性行動生成の課題に対し、粗い行動の一貫性と細かい変動を分離する2段階フレームワーク PF-DAG を提案。 - 第1段階で action chunk を少数の離散モードに圧縮し、軽量ポリシーが一貫した粗モードを選択。 - 第2段階でモード条件付き MeanFlow ポリシーが高忠実度の連続行動を生成。 - 単段階生成ポリシーより厳密に低い MSE 上界を理論的に証明。 - Adroit, DexArt, MetaWorld の56タスクで SOTA を上回り、実世界の触覚巧緻操作にも汎化。

2. 先行研究と比べてどこがすごい?

- 既存手法は行動空間を離散トークン集合か連続潜在変数分布としてモデル化。 - 離散化手法は細かい行動変動を失う問題、単段階連続生成は不安定なモード遷移を生む問題があった。 - PF-DAG は粗いモード選択と細かい連続生成を分離することで、両者のトレードオフを回避。 - 理論的に単段階生成ポリシーより低い MSE 上界を達成することを証明。 - 実験的に56タスクで SOTA ベースラインを上回り、実世界タスクにも適用可能。

3. 技術・手法の肝は?

- 2段階フレームワーク: 第1段階で action chunk を少数の離散モードに圧縮し、軽量ポリシーが一貫した粗モードを選択。 - 第2段階でモード条件付き MeanFlow ポリシーを学習し、高忠実度の連続行動を生成。 - モードレベルでの明示的分離により、頑健な多峰性モデリングと反応的な閉ループ制御を両立。 - 理論的には2段階設計が単段階生成ポリシーより厳密に低い MSE 上界を持つことを証明。

4. どうやって有効だと検証した?

- Adroit, DexArt, MetaWorld ベンチマークの56タスクで評価し、SOTA ベースラインを上回る性能を確認。 - 実世界の触覚巧緻操作タスクへの汎化も検証。 - 理論的証明により2段階設計の MSE 上界の優位性を示す。

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: 離散トークン化手法、連続潜在変数分布手法、単段階生成ポリシー。 - 関連手法: MeanFlow ポリシー、Adroit, DexArt, MetaWorld ベンチマーク。 - 同分野の定番: 模倣学習における行動生成手法(例: Behavior Cloning, Diffusion Policy, VQ-BeT など)。

※ 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: Xiaohan Lei, Min Wang, Wengang Zhou, Xingyu Lu, Houqiang Li

分類: cs.RO, cs.LG

原文アブストラクト

Multi-modal distribution in robotic manipulation action sequences poses critical challenges for imitation learning. To this end, existing approaches often model the action space as either a discrete set of tokens or a continuous, latent-variable distribution. However, both approaches present trade-offs: some methods discretize actions into tokens and therefore lose fine-grained action variations, while others generate continuous actions in a single stage tend to produce unstable mode transitions. To address these limitations, we propose Primary-Fine Decoupling for Action Generation (PF-DAG), a two-stage framework that decouples coarse action consistency from fine-grained variations. First, we compress action chunks into a small set of discrete modes, enabling a lightweight policy to select consistent coarse modes and avoid mode bouncing. Second, a mode conditioned MeanFlow policy is learned to generate high-fidelity continuous actions. Theoretically, we prove PF-DAG's two-stage design achieves a strictly lower MSE bound than single-stage generative policies. Empirically, PF-DAG outperforms state-of-the-art baselines across 56 tasks from Adroit, DexArt, and MetaWorld benchmarks. It further generalizes to real-world tactile dexterous manipulation tasks. Our work demonstrates that explicit mode-level decoupling enables both robust multi-modal modeling and reactive closed-loop control for robotic manipulation.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI