マニピュレーション2026/2/1arXiv:2602.23408

ロボットマニピュレーション方策のための行動空間設計の謎を解く

Demystifying Action Space Design for Robotic Manipulation Policies

双腕ロボットでの大規模実験により、模倣学習における行動空間の設計（絶対vs差分、関節空間vsタスク空間）が方策の学習性と制御安定性に与える影響を体系的に分析した。

詳しい要約

1. どんなもの？

- ロボットマニピュレーションの模倣学習ポリシーにおける行動空間設計の影響を大規模に調査した研究。 - 時間軸と空間軸に沿って行動設計空間を分解し、絶対表現 vs. デルタ表現、関節空間 vs. タスク空間のトレードオフを分析。 - 双腕ロボットで13,000以上の実世界ロールアウトと500以上の学習済みモデルを4つのシナリオで評価。

2. 先行研究と比べてどこがすごい？

- 従来は行動空間の選択がアドホックな経験則やレガシー設計に依存し、体系的な理解が欠けていた。 - 本研究は大規模かつ系統的な実証研究により、行動空間がポリシー学習に有意で複雑な影響を与えることを確認。 - 時間・空間軸に沿った構造化分析を提供し、ポリシー学習可能性と制御安定性への影響を明らかにした点が新しい。

3. 技術・手法の肝は？

- 行動設計空間を時間軸（絶対 vs. デルタ）と空間軸（関節空間 vs. タスク空間）に分解。 - 各軸の選択がポリシー学習可能性と制御安定性にどう影響するかを体系的に分析。 - 双腕ロボットを用いた大規模実世界実験と多数の学習済みモデルの評価を実施。

4. どうやって有効だと検証した？

- 双腕ロボットで13,000以上の実世界ロールアウトを実施。 - 4つのシナリオで500以上の学習済みモデルを評価。 - 絶対 vs. デルタ表現、関節空間 vs. タスク空間のトレードオフを実証的に検証。

5. 議論はある？

- デルタ行動を予測するようにポリシーを適切に設計すると性能が一貫して向上することを示唆。 - 関節空間とタスク空間の表現はそれぞれ制御安定性と汎化性に優れるという補完的な強みを持つことを示唆。 - 行動空間設計の複雑な影響を考慮した設計哲学の必要性を議論。

6. 次に読むべき論文は？

- 要旨からは不明（参照・比較されている特定の研究が明記されていないため）。 - 同分野の定番として、模倣学習における行動空間設計に関する研究（例：Behavior Cloning、Diffusion Policy、ACT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: Yuchun Feng, Jinliang Zheng, Zhihao Wang, Dongxiu Liu, Jianxiong Li, Jiangmiao Pang, Tai Wang, Xianyuan Zhan

分類: cs.RO, cs.CV

原文アブストラクト

The specification of the action space plays a pivotal role in imitation-based robotic manipulation policy learning, fundamentally shaping the optimization landscape of policy learning. While recent advances have focused heavily on scaling training data and model capacity, the choice of action space remains guided by ad-hoc heuristics or legacy designs, leading to an ambiguous understanding of robotic policy design philosophies. To address this ambiguity, we conducted a large-scale and systematic empirical study, confirming that the action space does have significant and complex impacts on robotic policy learning. We dissect the action design space along temporal and spatial axes, facilitating a structured analysis of how these choices govern both policy learnability and control stability. Based on 13,000+ real-world rollouts on a bimanual robot and evaluation on 500+ trained models over four scenarios, we examine the trade-offs between absolute vs. delta representations, and joint-space vs. task-space parameterizations. Our large-scale results suggest that properly designing the policy to predict delta actions consistently improves performance, while joint-space and task-space representations offer complementary strengths, favoring control stability and generalization, respectively.

arXivで原文を読む →arXiv概要ページ

ロボットマニピュレーション方策のための行動空間設計の謎を解く

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

MINISFORUM（ミニPC）

双腕モバイルマニピュレーター OpenShell