日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

軌道最適化arXiv:2604.19011

Sobolev学習による拡散ポリシーで軌道最適化を高速化

Accelerating trajectory optimization with Sobolev-trained diffusion policies

シェア:XThreadsFacebookLINEはてブBluesky

軌道最適化の初期解を拡散モデルで生成し、フィードバックゲインを利用したSobolev学習により誤差蓄積を防ぎ、求解時間を2〜20倍短縮する手法を提案した。

詳しい要約

1. どんなもの?

- 本論文は、Trajectory Optimization (TO) ソルバーの効率を向上させるために、Sobolev-trained diffusion policies を用いた warm-start 手法を提案する。 - TO ソルバーは各問題を独立に解くため、初期軌道に依存して収束速度と解の質が変わる。 - 学習ベースの warm-start により、初期推測を提供し、解く時間を短縮することを目指す。 - 特に、勾配ベースの TO ソルバーが feedback gains も提供することに着目し、それらを活用する。

2. 先行研究と比べてどこがすごい?

- 従来の warm-start 手法は、学習したポリシーを単にロールアウトするだけであり、局所最適性に起因する compounding errors が問題であった。 - 本手法は、TO デモンストレーションの局所最適性に起因する課題に対処するため、feedback gains を利用した Sobolev learning を導入する。 - これにより、少ない軌道データから学習し、compounding errors を回避しつつ、解く時間を 2倍から20倍に短縮できることを示した。 - また、一階情報を組み込むことで、拡散ステップ数を減らし、推論レイテンシを低減する。

3. 技術・手法の肝は?

- 勾配ベースの TO ソルバーが提供する feedback gains を活用し、軌道と feedback gains の両方を用いた Sobolev learning のための一階損失を導出する。 - この損失は、diffusion-based policies の学習に適用され、ポリシーが局所最適性から逸脱するのを防ぐ。 - 学習されたポリシーは、TO ソルバーの初期推測として使用され、warm-start を実現する。 - 一階情報の利用により、拡散モデルの推論ステップ数を削減できる。

4. どうやって有効だと検証した?

- 包括的な実験を通じて、提案手法の有効性を検証した。 - 結果として、compounding errors を回避し、非常に少ない軌道データから学習して、解く時間を 2倍から20倍に短縮できることを示した。 - また、一階情報の組み込みにより、より少ない拡散ステップで予測が可能となり、推論レイテンシが低減することを確認した。

5. 議論はある?

- 要旨からは、提案手法の限界や議論の詳細は不明である。 - ただし、TO デモンストレーションの局所最適性に起因する compounding errors が課題として挙げられ、それを克服する手法が提案されている。 - 実験結果から有効性が示されているが、他の TO ソルバーやタスクへの一般化可能性については言及されていない。

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が、関連手法として diffusion-based policies や Sobolev learning が挙げられる。 - 次に読むべき論文としては、diffusion policies を用いた imitation learning や、TO の warm-start に関する研究が考えられる。 - 具体的には、Diffusion Policy (Chi et al., 2023) や、Sobolev トレーニングを用いた模倣学習に関する論文が参考になる。

※ 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: Théotime Le Hellard, Franki Nguimatsia Tiofack, Quentin Le Lidec, Justin Carpentier

分類: cs.LG, cs.RO

原文アブストラクト

Trajectory Optimization (TO) solvers exploit known system dynamics to compute locally optimal trajectories through iterative improvements. A downside is that each new problem instance is solved independently; therefore, convergence speed and quality of the solution found depend on the initial trajectory proposed. To improve efficiency, a natural approach is to warm-start TO with initial guesses produced by a learned policy trained on trajectories previously generated by the solver. Diffusion-based policies have recently emerged as expressive imitation learning models, making them promising candidates for this role. Yet, a counterintuitive challenge comes from the local optimality of TO demonstrations: when a policy is rolled out, small non-optimal deviations may push it into situations not represented in the training data, triggering compounding errors over long horizons. In this work, we focus on learning-based warm-starting for gradient-based TO solvers that also provide feedback gains. Exploiting this specificity, we derive a first-order loss for Sobolev learning of diffusion-based policies using both trajectories and feedback gains. Through comprehensive experiments, we demonstrate that the resulting policy avoids compounding errors, and so can learn from very few trajectories to provide initial guesses reducing solving time by $2\times$ to $20 \times$. Incorporating first-order information enables predictions with fewer diffusion steps, reducing inference latency.

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