視覚追跡/クロスエンボディメント2026/4/1arXiv:2604.20305

AdaTracker: クロスエンボディメント能動的視覚追跡のための適応的インコンテキストポリシー学習

AdaTracker: Learning Adaptive In-Context Policy for Cross-Embodiment Active Visual Tracking

多様なロボット形態で動作する統一モデルによる能動的視覚追跡を実現するため、エンボディメント固有の制約を文脈として学習し、未知のロボットへゼロショット適応するフレームワークを提案した。

詳しい要約

1. どんなもの？

- 多様なロボット形態で単一モデルによる能動的視覚追跡を実現するフレームワーク。 - 既存手法はembodimentごとに個別モデルを訓練するためスケーラビリティと汎化性に欠ける。 - AdaTrackerはadaptive in-context policy learningを採用し、embodiment固有の制約を明示的にモデル化する。 - Embodiment Context Encoderが履歴から制約を推論し、Context-Aware Policyを動的に調整する。 - 未見のembodimentに対してもzero-shotで最適制御を推論可能。

2. 先行研究と比べてどこがすごい？

- 従来はembodimentごとに別モデルを訓練し、スケーラビリティと汎化性が低かった。 - AdaTrackerは単一の統一モデルで多様なロボット形態に対応し、cross-embodiment汎化を実現。 - 未見のembodimentに対してzero-shot適応が可能。 - サンプル効率とzero-shot適応性能でstate-of-the-artを大幅に上回る。

3. 技術・手法の肝は？

- Embodiment Context Encoderが履歴からembodiment固有の制約を推論し、文脈表現を生成。 - その文脈表現がContext-Aware Policyを動的に変調し、制御行動を推論。 - ロバスト性向上のため、正確な文脈識別と時間的一貫性を保証する2つの補助目的を導入。 - これにより未見embodimentへのzero-shot適応を実現。

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両方で実験を実施。 - cross-embodiment汎化、サンプル効率、zero-shot適応の指標で評価。 - 結果、AdaTrackerがstate-of-the-art手法を大幅に上回ることを示した。

5. 議論はある？

- 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。 - 関連手法として、embodiment-specificな個別モデル訓練、in-context learning、active visual tracking、cross-embodiment generalizationの定番研究が挙げられる。

※ 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: Kui Wu, Hao Chen, Jinzhu Han, Haijun Liu, Churan Wang, Yizhou Wang, Zhoujun Li, Si Liu, Fangwei Zhong

分類: cs.RO

原文アブストラクト

Realizing active visual tracking with a single unified model across diverse robots is challenging, as the physical constraints and motion dynamics vary drastically from one platform to another. Existing approaches typically train separate models for each embodiment, leading to poor scalability and limited generalization. To address this, we propose AdaTracker, an adaptive in-context policy learning framework that robustly tracks targets on diverse robot morphologies. Our key insight is to explicitly model embodiment-specific constraints through an Embodiment Context Encoder, which infers embodiment-specific constraints from history. This contextual representation dynamically modulates a Context-Aware Policy, enabling it to infer optimal control actions for unseen embodiments in a zero-shot manner. To enhance robustness, we introduce two auxiliary objectives to ensure accurate context identification and temporal consistency. Experiments in both simulation and the real world demonstrate that AdaTracker significantly outperforms state-of-the-art methods in cross-embodiment generalization, sample efficiency, and zero-shot adaptation.

arXivで原文を読む →arXiv概要ページ

← 論文一覧