日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

強化学習/操作arXiv:2603.10263

事前学習から熟達へ:分布収縮型強化学習による効率的なスキル習得

From Prior to Pro: Efficient Skill Mastery via Distribution Contractive RL Finetuning

シェア:XThreadsFacebookLINEはてブBluesky

事前学習済みの生成ロボットポリシーを、分布収縮型強化学習(DICE-RL)で微調整し、高成功率の行動を増幅して高性能な「プロ」ポリシーへと進化させる手法を提案。シミュレーションと実機で高次元ピクセル入力からの複雑な長期的操作スキルの習得を実証した。

詳しい要約

1. どんなもの?

- 事前学習済みの生成ロボットポリシーを強化学習で微調整するフレームワークDICE-RLを提案。 - 拡散モデルまたはフローベースのポリシーを事前学習し、オンラインフィードバックから高成功行動を増幅。 - 複雑な長期的操作スキルを高次元ピクセル入力から直接習得可能。 - シミュレーションと実ロボットで有効性を検証。

2. 先行研究と比べてどこがすごい?

- 従来のRL微調整と比べ、安定性とサンプル効率が高い。 - 事前学習ポリシーの広い行動カバレッジを活かしつつ、成功行動を選択的に強化。 - 高次元ピクセル入力からの長期的操作スキル習得を実現。 - 具体的な比較対象は要旨からは不明。

3. 技術・手法の肝は?

- 拡散モデルまたはフローベースのポリシーを事前学習し、広い行動カバレッジを獲得。 - 残差オフポリシーRLフレームワークで微調整。 - 選択的行動正則化と価値誘導行動選択を組み合わせ。 - オンラインフィードバックから高成功行動を増幅する分布収縮演算子としてRLを利用。

4. どうやって有効だと検証した?

- 広範な実験と分析を実施。 - シミュレーションと実ロボットの両方で検証。 - 複雑な長期的操作スキルの習得を確認。 - 性能向上、安定性、サンプル効率を実証。

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は明示されていない。 - 同分野の定番として、Diffusion Policy、Flow Matching、Off-Policy RL、Behavior Regularizationなどの関連手法が考えられる。

※ 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: Zhanyi Sun, Shuran Song

分類: cs.RO, cs.LG

原文アブストラクト

We introduce Distribution Contractive Reinforcement Learning (DICE-RL), a framework that uses reinforcement learning (RL) as a "distribution contraction" operator to refine pretrained generative robot policies. DICE-RL turns a pretrained behavior prior into a high-performing "pro" policy by amplifying high-success behaviors from online feedback. We pretrain a diffusion- or flow-based policy for broad behavioral coverage, then finetune it with a stable, sample-efficient residual off-policy RL framework that combines selective behavior regularization with value-guided action selection. Extensive experiments and analyses show that DICE-RL reliably improves performance with strong stability and sample efficiency. It enables mastery of complex long-horizon manipulation skills directly from high-dimensional pixel inputs, both in simulation and on a real robot. Project website: https://zhanyisun.github.io/dice.rl.2026/.

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