日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2603.07892

RoboRouter：ロボットマニピュレーションのための訓練不要なポリシールーティング

RoboRouter: Training-Free Policy Routing for Robotic Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

複数の既存ロボット操作ポリシーをプールし、タスクごとに最適なポリシーを経験から学習して選択する訓練不要のルーティング手法を提案。シミュレーションと実世界で成功率を向上させた。

詳しい要約

1. どんなもの？

- ロボティクス/フィジカルAIの研究。 - ロボットマニピュレーションのための訓練不要なポリシールーティングフレームワーク「RoboRouter」を提案。 - 異種ポリシー（VLAモデル、VAポリシー、コードベース合成アプローチ）のプールを維持し、各タスクに最適なポリシーを選択。 - 新タスクに対し、意味的タスク表現を構築し、類似タスクの履歴を検索して最適ポリシーを予測。 - 試行錯誤なしで選択し、構造化フィードバックでルーティング決定を洗練。 - 新ポリシーの統合は軽量評価のみで訓練オーバーヘッドなし。

2. 先行研究と比べてどこがすごい？

- 従来は単一のモノリシックなポリシーを提案する研究が主流。 - 具体的ポリシーは特定タスク分布で高い成功率を達成するが、一般化は限定的。 - RoboRouterは既存アプローチの補完的強みを活用するインテリジェントなポリシールーティングを提案。 - 個々のポリシーを上回り、シミュレーションで平均成功率3%以上、実世界で13%以上改善。 - 実行効率を維持しつつ、訓練不要でスケーラブルな経路を提供。

3. 技術・手法の肝は？

- 訓練不要のフレームワーク。 - 異種ポリシーのプールを維持。 - 新タスクに対し、意味的タスク表現を構築。 - 類似タスクの履歴レコードを検索。 - 最適ポリシー選択を試行錯誤なしで予測。 - 構造化フィードバックを組み込み、後続のルーティング決定を洗練。 - 新ポリシー統合は軽量評価のみで訓練不要。

4. どうやって有効だと検証した？

- シミュレーションベンチマークと実世界評価で検証。 - RoboRouterは個々のポリシーを一貫して上回る。 - 平均成功率：シミュレーションで3%以上、実世界で13%以上改善。 - 実行効率を維持。

5. 議論はある？

- 異種の既製ポリシー間のインテリジェントルーティングが、より能力の高いロボットシステム構築への実用的かつスケーラブルな道筋を提供することを示す。 - 具体的な限界や議論の詳細は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：vision-language-action (VLA) models、vision-action (VA) policies、code-based compositional approaches。 - 関連手法：モノリシックポリシー、ポリシールーティング、タスク表現学習、履歴検索。 - 同分野の定番：ロボットマニピュレーションのポリシー学習、一般化、マルチタスク学習。

※ 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: Yiteng Chen, Zhe Cao, Hongjia Ren, Chenjie Yang, Wenbo Li, Shiyi Wang, Yemin Wang, Li Zhang, Yanming Shao, Zhenjun Zhao, Huiping Zhuang, Qingyao Wu

分類: cs.RO

原文アブストラクト

Research on robotic manipulation has developed a diverse set of policy paradigms, including vision-language-action (VLA) models, vision-action (VA) policies, and code-based compositional approaches. Concrete policies typically attain high success rates on specific task distributions, but limited generalization beyond it. Rather than proposing another monolithic policy, we propose to leverage the complementary strengths of existing approaches through intelligent policy routing. We introduce RoboRouter, a training-free framework that maintains a pool of heterogeneous policies and learns to select the best-performing policy for each task through accumulated execution experience. Given a new task, RoboRouter constructs a semantic task representation, retrieves historical records of similar tasks, predicts the optimal policy choice without requiring trial-and-error, and incorporates structured feedback to refine subsequent routing decisions. Integrating a new policy into the system requires only a lightweight evaluation and does not incur training overhead. Across simulation benchmark and real-world evaluations, RoboRouter consistently outperforms individual policies, improving the average success rate by more than 3% in simulation and 13% in real-world settings, while preserving execution efficiency. Our results demonstrate that intelligent routing across heterogeneous, off-the-shelf policies provides a practical and scalable pathway toward building more capable robotic systems.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  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
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →