日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

生涯学習/模倣学習arXiv:2603.08763

SPREAD: 生涯模倣学習のための部分空間表現蒸留

SPREAD: Subspace Representation Distillation for Lifelong Imitation Learning

シェア:XThreadsFacebookLINEはてブBluesky

生涯模倣学習において、特異値分解を用いてタスク間のポリシー表現を低ランク部分空間で整列させ、幾何構造を保ちながら知識転移と忘却防止を実現する手法を提案した。

詳しい要約

1. どんなもの?

- 生涯模倣学習(LIL)において、エージェントが新しいスキルを獲得しつつ過去の知識を保持するためのフレームワーク「SPREAD」を提案。 - タスク表現の低次元多様体と幾何構造を維持することに焦点を当て、逐次学習における知識転移と忘却の課題に対処。 - 特異値分解(SVD)を用いて低ランク部分空間でポリシー表現を整列し、マルチモーダル特徴の幾何を保持。 - 信頼度誘導蒸留戦略を導入し、上位M個の信頼度の高い行動サンプルに限定したKLダイバージェンス損失を適用。 - LIBEROベンチマークで評価し、知識転移の改善、壊滅的忘却の緩和、最先端性能を達成。

2. 先行研究と比べてどこがすごい?

- 既存の蒸留手法は生特徴空間でのL2ノルム特徴マッチングに依存し、ノイズや高次元変動に敏感で、本質的なタスク多様体を保持できないことが多い。 - SPREADはSVDによる低ランク部分空間での整列により、この問題を克服し、安定した転移、ロバスト性、汎化を実現。 - 信頼度誘導蒸留により、信頼できるモードを強調し最適化安定性を向上させる点が新しい。 - 従来手法と比較して、知識転移の改善と壊滅的忘却の緩和で優位性を示す。

3. 技術・手法の肝は?

- 特異値分解(SVD)を適用し、タスク間でポリシー表現を低ランク部分空間内で整列させる。 - これによりマルチモーダル特徴の基盤となる幾何構造を維持し、安定した転移を促進。 - 信頼度誘導蒸留戦略:KLダイバージェンス損失を上位M個の最も信頼度の高い行動サンプルに制限して適用。 - これにより信頼できるモードを強調し、最適化の安定性を改善。

4. どうやって有効だと検証した?

- LIBEROベンチマーク(生涯模倣学習ベンチマーク)で実験を実施。 - 結果として、知識転移の大幅な改善、壊滅的忘却の緩和、最先端性能の達成を確認。 - 具体的な評価指標や比較手法の詳細は要旨からは不明。

5. 議論はある?

- 要旨からは、手法の限界や議論の詳細は不明。 - 実験結果からは有効性が示唆されているが、他のベンチマークや実世界への適用可能性については言及されていない。

6. 次に読むべき論文は?

- 要旨で参照されている研究:L2ノルム特徴マッチングに基づく既存の蒸留手法(具体的な論文名は不明)。 - 関連手法:生涯模倣学習(LIL)、特異値分解(SVD)、KLダイバージェンス、LIBEROベンチマーク。 - 同分野の定番:生涯学習(lifelong learning)、模倣学習(imitation learning)、知識蒸留(knowledge distillation)。

※ 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: Kaushik Roy, Giovanni D'urso, Nicholas Lawrance, Brendan Tidd, Peyman Moghadam

分類: cs.LG, cs.RO

原文アブストラクト

A key challenge in lifelong imitation learning (LIL) is enabling agents to acquire new skills from expert demonstrations while retaining prior knowledge. This requires preserving the low-dimensional manifolds and geometric structures that underlie task representations across sequential learning. Existing distillation methods, which rely on L2-norm feature matching in raw feature space, are sensitive to noise and high-dimensional variability, often failing to preserve intrinsic task manifolds. To address this, we introduce SPREAD, a geometry-preserving framework that employs singular value decomposition (SVD) to align policy representations across tasks within low-rank subspaces. This alignment maintains the underlying geometry of multimodal features, facilitating stable transfer, robustness, and generalization. Additionally, we propose a confidence-guided distillation strategy that applies a Kullback-Leibler divergence loss restricted to the top-M most confident action samples, emphasizing reliable modes and improving optimization stability. Experiments on the LIBERO, lifelong imitation learning benchmark, show that SPREAD substantially improves knowledge transfer, mitigates catastrophic forgetting, and achieves state-of-the-art performance.

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

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