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:2604.00557

データ効率的なロボット模倣学習のためのマルチカメラ視点スケーリング

Multi-Camera View Scaling for Data-Efficient Robot Imitation Learning

シェア:XThreadsFacebookLINEはてブBluesky

デモ収集時に複数のカメラ視点を用いて擬似デモを生成し、データ効率と汎化性を向上させる模倣学習フレームワークを提案した。

詳しい要約

1. どんなもの?

- ロボット模倣学習におけるデータ効率と汎化性能を向上させるためのフレームワークを提案。 - 実演収集時にカメラ視点を増やし、各専門家軌道から擬似実演を生成。 - 追加の人間労力なしにシーン多様性を活用し、視点不変性を高める。 - シミュレーションと実世界の操作タスクで有効性を検証。

2. 先行研究と比べてどこがすごい?

- 従来は多様な専門家実演の収集が高コストで困難だった。 - 提案手法は追加の軌道収集ではなく、カメラ視点のスケーリングによりデータ効率を改善。 - 単一視点ベースラインと比較して、データ効率と汎化性能で大幅な向上を実現。 - 最小限のハードウェア追加で既存の模倣学習アルゴリズムと統合可能。

3. 技術・手法の肝は?

- 実演収集時に複数の同期カメラ視点を活用し、各専門家軌道から擬似実演を生成。 - 異なるaction spaceと視点スケーリングの相互作用を分析し、camera-space表現が多様性をさらに高めることを示す。 - 展開時に単一視点ポリシーが複数カメラの恩恵を受けられるmultiview action aggregation手法を導入。

4. どうやって有効だと検証した?

- シミュレーションと実世界の操作タスクで広範な実験を実施。 - 単一視点ベースラインと比較して、データ効率と汎化性能の有意な向上を確認。 - 具体的な評価指標やタスクの詳細は要旨からは不明。

5. 議論はある?

- カメラ視点のスケーリングが模倣学習の実用的かつスケーラブルな解決策となることを示唆。 - 最小限の追加ハードウェアで既存アルゴリズムとシームレスに統合可能。 - 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は明示されていない。 - 同分野の定番として、Behavior Cloning (BC)、DAgger、Imitation Learning with Visual Observationsなどの関連手法が挙げられる。

※ 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: Yichen Xie, Yixiao Wang, Shuqi Zhao, Cheng-En Wu, Masayoshi Tomizuka, Jianwen Xie, Hao-Shu Fang

分類: cs.RO, cs.CV, cs.LG

原文アブストラクト

The generalization ability of imitation learning policies for robotic manipulation is fundamentally constrained by the diversity of expert demonstrations, while collecting demonstrations across varied environments is costly and difficult in practice. In this paper, we propose a practical framework that exploits inherent scene diversity without additional human effort by scaling camera views during demonstration collection. Instead of acquiring more trajectories, multiple synchronized camera perspectives are used to generate pseudo-demonstrations from each expert trajectory, which enriches the training distribution and improves viewpoint invariance in visual representations. We analyze how different action spaces interact with view scaling and show that camera-space representations further enhance diversity. In addition, we introduce a multiview action aggregation method that allows single-view policies to benefit from multiple cameras during deployment. Extensive experiments in simulation and real-world manipulation tasks demonstrate significant gains in data efficiency and generalization compared to single-view baselines. Our results suggest that scaling camera views provides a practical and scalable solution for imitation learning, which requires minimal additional hardware setup and integrates seamlessly with existing imitation learning algorithms. The website of our project is https://yichen928.github.io/robot_multiview.

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