日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロコマニピュレーションarXiv:2604.00202

DreamControl-v2: 訓練可能な誘導拡散事前分布による、より簡潔でスケーラブルな自律人型スキル

DreamControl-v2: Simpler and Scalable Autonomous Humanoid Skills via Trainable Guided Diffusion Priors

シェア:XThreadsFacebookLINEはてブBluesky

人型ロボットの操作スキル学習を改善するため、ロボットの動作空間で直接訓練する誘導拡散モデルを導入し、多様なデータを統合して自動化とスケーラビリティを向上させた。

詳しい要約

1. どんなもの?

- 本論文は、ヒューマノイドロボットの自律的な移動・操作スキルを獲得するための新しいフレームワーク「DreamControl-v2」を提案する。 - 従来のDreamControlは、既存の人間の動作拡散モデルを生成事前分布としてRLポリシーの訓練をガイドしていた。 - 本研究では、その動作事前分布の影響を調査し、ヒューマノイドロボットの動作空間で直接訓練されたガイド付き拡散モデルを提案する。 - 多様な人間とロボットのデータセットを統合された身体性空間に集約し、より広範なスキルを獲得する。 - 手動フィルタリングを不要にし、自動化されたパイプラインを実現する。 - 参照軌道の生成をスケールさせることが、下流のRLポリシーの堅牢性に重要であることを示す。 - シミュレーションと実機Unitree-G1での広範な実験で有効性を検証。

2. 先行研究と比べてどこがすごい?

- 先行研究のDreamControlと比較して、本手法は人間の動作拡散モデルをそのまま使うのではなく、ヒューマノイドの動作空間で直接訓練されたガイド付き拡散モデルを採用する点が異なる。 - これにより、より広範なスキルを獲得できることを示した。 - また、手動フィルタリング介入を排除し、より自動化されたパイプラインを確立した点が先行研究よりも優れている。 - さらに、参照軌道の生成をスケールさせることが下流のRLポリシーの堅牢性に重要であることを明らかにした。

3. 技術・手法の肝は?

- 技術の肝は、ヒューマノイドロボットの動作空間で直接訓練されるガイド付き拡散モデルである。 - 多様な人間とロボットのデータセットを統合された身体性空間に集約する。 - この拡散モデルを生成事前分布として用い、RLポリシーの訓練をガイドする。 - 手動フィルタリングを不要にし、自動化されたパイプラインを実現する。 - 参照軌道の生成をスケールさせることで、下流のRLポリシーの堅牢性を向上させる。

4. どうやって有効だと検証した?

- シミュレーションと実機Unitree-G1での広範な実験を通じて有効性を検証した。 - 具体的な評価指標や比較対象については要旨からは不明。

5. 議論はある?

- 議論の詳細は要旨からは不明。 - ただし、参照軌道の生成をスケールさせることが下流のRLポリシーの堅牢性に重要である点が強調されている。

6. 次に読むべき論文は?

- 要旨で参照されている研究はDreamControlのみ。 - 関連手法として、人間の動作拡散モデル、RL、拡散モデルを用いたロボット学習が挙げられる。 - 同分野の定番として、模倣学習、強化学習、拡散モデルベースの生成モデルに関する論文が考えられる。

※ 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: Sudarshan Harithas, Sangkyung Kwak, Pushkal Katara, Srujan Deolasee, Dvij Kalaria, Srinath Sridhar, Sai Vemprala, Ashish Kapoor, Jonathan Chung-Kuan Huang

分類: cs.RO

原文アブストラクト

Developing robust autonomous loco-manipulation skills for humanoids remains an open problem in robotics. While RL has been applied successfully to legged locomotion, applying it to complex, interaction-rich manipulation tasks is harder given long-horizon planning challenges for manipulation. A recent approach along these lines is DreamControl, which addresses these issues by leveraging off-the-shelf human motion diffusion models as a generative prior to guide RL policies during training. In this paper, we investigate the impact of DreamControl's motion prior and propose an improved framework that trains a guided diffusion model directly in the humanoid robot's motion space, aggregating diverse human and robot datasets into a unified embodiment space. We demonstrate that our approach captures a wider range of skills due to the larger training data mixture and establishes a more automated pipeline by removing the need for manual filtering interventions. Furthermore, we show that scaling the generation of reference trajectories is important for achieving robust downstream RL policies. We validate our approach through extensive experiments in simulation and on a real Unitree-G1.

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. 2newmo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
  3. 3GXO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
  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