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:2603.08476

LAR-MoE: ロボット模倣学習における潜在整列ルーティングによるMixture of Experts

LAR-MoE: Latent-Aligned Routing for Mixture of Experts in Robotic Imitation Learning

シェア:XThreadsFacebookLINEはてブBluesky

模倣学習で異なる動作モードを扱うため、教師なしスキル発見とポリシー学習を分離し、潜在空間の構造に基づいてエキスパートをルーティングするLAR-MoEを提案。LIBEROで95.2%の成功率を達成し、手術タスクでも教師なしで同等性能を示した。

詳しい要約

1. どんなもの?

- ロボットの模倣学習において、異なるダイナミクスを持つタスク間でポリシーを展開する課題に対処する手法。 - Mixture-of-Experts (MoE) アーキテクチャを採用し、専門家のルーティングを潜在空間に整合させる。 - 2段階のフレームワーク: 事前学習で観測と将来行動の結合潜在表現を学習し、事後学習で専門家ルーティングを正則化。 - シミュレーションと実機で評価し、LIBEROベンチマークで95.2%の平均成功率を150Mパラメータで達成。 - 外科的腸把持・牽引タスクで、位相注釈なしで教師ありMoEベースラインに匹敵し、ex vivoブタ組織にゼロショット転移。

2. 先行研究と比べてどこがすごい?

- 従来のMoEは専門家ルーティングに意味のあるスキル分解を必要としたが、LAR-MoEは教師なしスキル発見とポリシー学習を分離。 - 教師ありスキル分解の代替として、潜在整合ルーティングを提案し、ラベルなしデモンストレーションから構造化された専門家特化を可能に。 - 専門家崩壊を防ぎつつパラメータ効率を維持。 - 外科タスクでは位相注釈を必要とせず、教師ありMoEベースラインに匹敵する性能を達成。

3. 技術・手法の肝は?

- 2段階フレームワーク: 事前学習と事後学習。 - 事前学習: student-teacher co-trainingを通じて観測と将来行動の結合潜在表現を学習。 - 事後学習: 専門家ルーティングを学習された潜在空間の構造に従うように正則化。 - これにより専門家崩壊を防ぎ、パラメータ効率を維持。

4. どうやって有効だと検証した?

- シミュレーションとハードウェアで評価。 - LIBEROベンチマークで95.2%の平均成功率を150Mパラメータで達成。 - 外科的腸把持・牽引タスクで、位相注釈なしで教師ありMoEベースラインに匹敵。 - ex vivoブタ組織にゼロショット転移。

5. 議論はある?

- 潜在整合ルーティングが教師ありスキル分解の原理的な代替手段を提供し、ラベルなしデモンストレーションから構造化された専門家特化を可能にすることを示唆。 - 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: Mixture-of-Experts (MoE) アーキテクチャ、教師ありMoEベースライン。 - 関連手法: 模倣学習、スキル発見、student-teacher co-training。 - 同分野の定番: 模倣学習におけるMoE、潜在空間学習、ロボット操作ベンチマーク (LIBERO)。

※ 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: Ariel Rodriguez, Chenpan Li, Lorenzo Mazza, Rayan Younis, Ortrun Hellig, Sebastian Bodenstedt, Martin Wagner, Stefanie Speidel

分類: cs.RO

原文アブストラクト

Imitation learning enables robots to acquire manipulation skills from demonstrations, yet deploying a policy across tasks with heterogeneous dynamics remains challenging, as models tend to average over distinct behavioral modes present in the demonstrations. Mixture-of-Experts (MoE) architectures address this by activating specialized subnetworks, but requires meaningful skill decompositions for expert routing. We introduce Latent-Aligned Routing for Mixture of Experts (LAR-MoE), a two-stage framework that decouples unsupervised skill discovery from policy learning. In pre-training, we learn a joint latent representation between observations and future actions through student-teacher co-training. In a post-training stage, the expert routing is regularized to follow the structure of the learned latent space, preventing expert collapse while maintaining parameter efficiency. We evaluate LAR-MoE in simulation and on hardware. On the LIBERO benchmark, our method achieves a 95.2% average success rate with 150M parameters. On a surgical bowel grasping and retraction task, LAR-MoE matches a supervised MoE baseline without requiring any phase annotations, and transfers zero-shot to ex vivo porcine tissue. Our findings suggest that latent-aligned routing provides a principled alternative to supervised skill decomposition, enabling structured expert specialization from unlabeled demonstrations.

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