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
データキュレーションarXiv:2603.11634

実際に測定できる多様性：ロボットデータセットのための高速でモデルフリーな多様性指標

Diversity You Can Actually Measure: A Fast, Model-Free Diversity Metric for Robotics Datasets

シェア:XThreadsFacebookLINEはてブBluesky

模倣学習用ロボットデータセットの多様性を、シグネチャ変換に基づくエントロピーで定量化し、多様性を最大化するデータ選択アルゴリズムFAKTUALを提案した。

詳しい要約

1. どんなもの？

- ロボティクス/模倣学習用データセットの多様性を測る指標とキュレーション手法を提案。 - 軌道構造と幾何を考慮したShannon/von Neumann entropyの拡張を定義。 - データセットの多様性が汎化性能に与える影響を調査。 - FAKTUALというモデルフリーなデータキュレーションアルゴリズムを導入。 - 予算内でentropyを最大化するデモンストレーションのサブセットを選択。

2. 先行研究と比べてどこがすごい？

- 従来の多様性指標は軌道構造や高次元観測を考慮できない問題があった。 - FAKTUALはモデルフリーで、模倣ポリシーやロールアウトへのアクセスが不要。 - ポリシー訓練に対するオーバーヘッドが無視できるほど小さい。 - 最近のロボットデータキュレーション手法と比べて計算効率が大幅に向上。 - ランダム選択よりも下流の成功率を一貫して改善。

3. 技術・手法の肝は？

- signature transformベースのentropyをGram matrix of a signature kernel上で定義。 - デモンストレーションのデータセットに直接適用可能なentropyとdiversity指標を導出。 - FAKTUALはサブセットサイズの予算が与えられたとき、entropyを最大化するデモを選択。 - 完全にモデルフリーで、ポリシーやロールアウトに依存しない。 - 計算オーバーヘッドがポリシー訓練に比べて無視できる。

4. どうやって有効だと検証した？

- 画像ベースと状態ベースのRoboMimicとMetaWorldベンチマークで評価。 - 4つの実世界マニピュレーションタスクでも評価。 - 多様性を考慮したキュレーションがランダム選択よりも下流の成功率を一貫して改善。 - 最近のロボットデータキュレーション手法と比較して計算効率が大幅に良い。 - タスクとアーキテクチャをまたいで一貫した改善を確認。

5. 議論はある？

- デモンストレーションのentropyがデータセットの多様性を理解・改善する実用的なツールであることを示唆。 - 多様性が模倣学習の汎化性能に影響を与えることを示す。 - モデルフリーで効率的なキュレーションの有効性を主張。 - 限界や今後の課題については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究: 最近のロボットデータキュレーション手法（具体的名称は要旨からは不明）。 - 関連手法: imitation learning, RoboMimic, MetaWorld, signature kernel, entropy-based diversity metrics。 - 同分野の定番: 模倣学習におけるデータセットキュレーションや多様性評価に関する研究。

※ 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: Sreevardhan Sirigiri, Nathan Samuel de Lara, Christopher Agia, Florian Shkurti, Fabio Ramos

分類: cs.RO

原文アブストラクト

Robotics datasets for imitation learning typically consist of long-horizon trajectories of different lengths over states, actions, and high-dimensional observations (e.g., RGB video), making it non-trivial to quantify diversity in a way that respects the underlying trajectory structure and geometry. We extend Shannon and von Neumann entropy to this setting by defining signature transform-based entropy on the Gram matrix of a signature kernel over demonstrations, yielding entropy and diversity metrics that operate directly on the demonstration dataset. Building on these metrics, we study how dataset diversity affects generalization performance in robot imitation learning and propose a simple, model-free way to curate diverse demonstrations. We introduce FAKTUAL (FAst trajectory Kernel enTropy cUration for imitation Learning), a data curation algorithm that selects a subset of demonstrations maximizing entropy given a subset-size budget. FAKTUAL is fully model-free, requires no access to the imitation policy or rollouts, and adds negligible overhead relative to policy training. We evaluate our approach on image and state-based RoboMimic and MetaWorld benchmarks, as well as four real-world manipulation tasks. Across tasks and architectures, diversity-aware curation with FAKTUAL consistently improves downstream success rates over random selection, while being substantially more computationally efficient compared to recent robot data curation methods. Our results suggest that the entropy of demonstration datasets is a practical tool for understanding and improving dataset diversity in robot imitation learning.

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

OZ GAMING（GPU搭載BTOゲーミングPC）

OZ GAMING（GPU搭載BTOゲーミングPC）の公式広告バナーOZ GAMINGで完成品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 →