日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

把持arXiv:2604.07517

夢のように掴む:生成された人間デモから機能的把持を模倣する

Grasp as You Dream: Imitating Functional Grasping from Generated Human Demonstrations

シェア:XThreadsFacebookLINEはてブBluesky

ビデオ生成モデルなどの視覚生成モデルで合成した人間のデモを使って、ロボットの機能的把持をゼロショットで学習する手法GraspDreamerを提案。データ収集の手間を省きつつ、多様な物体・タスクへの汎化を実現した。

詳しい要約

1. どんなもの?

- 日常環境での機能的把持を実現する汎用ロボットを目指す研究。 - 既存手法は対象物体やタスクが限定的、または大規模データ収集が必要。 - 本研究では、視覚生成モデル(VGMs)で合成した人間のデモンストレーションを活用するGraspDreamerを提案。 - ゼロショットで機能的把持を実現し、データ収集の負担を軽減。

2. 先行研究と比べてどこがすごい?

- 従来手法は狭い物体/タスクセットに制限されるか、大規模データ収集に依存。 - GraspDreamerはVGMsを利用し、労働集約的なデータ収集なしでゼロショット機能的把持を可能に。 - 公開ベンチマークでデータ効率と汎化性能が優れることを示す。 - 実世界評価でも有効性を確認。

3. 技術・手法の肝は?

- インターネット規模の人間データで事前学習されたVGMsが、物理世界とのインタラクションに関する一般化された事前知識を暗黙的にエンコードしていると仮定。 - その事前知識と、身体性に特化した行動最適化を組み合わせることで、最小限の労力で機能的把持を実現。 - 具体的な最適化手法やVGMsの種類は要旨からは不明。

4. どうやって有効だと検証した?

- 公開ベンチマークで異なるロボットハンドを用いた広範な実験を実施。 - データ効率と汎化性能が従来手法より優れることを示す。 - 実世界評価で実ロボットにおける有効性を検証。 - 下流のマニピュレーションタスクへの拡張、および視覚運動ポリシー学習を支援するデータ生成が可能であることを示す。

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。 - 今後の課題や制約についての言及はない。

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。 - 関連手法として、視覚生成モデル(VGMs)やビデオ生成モデル、機能的把持、ゼロショット把持、視覚運動ポリシー学習に関する論文が挙げられる。

※ 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: Chao Tang, Jiacheng Xu, Haofei Lu, Bolin Zou, Wenlong Dong, Hong Zhang, Danica Kragic

分類: cs.RO

原文アブストラクト

Building generalist robots capable of performing functional grasping in everyday, open-world environments remains a significant challenge due to the vast diversity of objects and tasks. Existing methods are either constrained to narrow object/task sets or rely on prohibitively large-scale data collection to capture real-world variability. In this work, we present an alternative approach, GraspDreamer, a method that leverages human demonstrations synthesized by visual generative models (VGMs) (e.g., video generation models) to enable zero-shot functional grasping without labor-intensive data collection. The key idea is that VGMs pre-trained on internet-scale human data implicitly encode generalized priors about how humans interact with the physical world, which can be combined with embodiment-specific action optimization to enable functional grasping with minimal effort. Extensive experiments on the public benchmarks with different robot hands demonstrate the superior data efficiency and generalization performance of GraspDreamer compared to previous methods. Real-world evaluations further validate the effectiveness on real robots. Additionally, we showcase that GraspDreamer can (1) be naturally extended to downstream manipulation tasks, and (2) can generate data to support visuomotor policy learning.

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