日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2605.15536

SkiP: ロボット操作の効率化のためのスキップと精密化のタイミング

SkiP: When to Skip and When to Refine for Efficient Robot Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

模倣学習のポリシーが毎ステップ予測するのをやめ、動作が単調な区間はスキップし、接触や把持などの重要区間だけを高解像度で予測する新しい手法を提案。動作の複雑さを自動検出して区間を分割し、実行ステップを15〜40%削減しつつ成功率を維持・向上させる。

詳しい要約

1. どんなもの?

- ロボットマニピュレーションのための模倣学習ポリシー SkiP (Skip Policy) を提案。 - 従来は全制御ステップで未来行動を予測していたが、自由空間の冗長なステップを飛ばし、接触・把持・位置合わせなどの key ステップで集中的に精緻化する。 - 単一の統合ネットワークで実現し、学習済み skip planner や階層構造を必要としない。

2. 先行研究と比べてどこがすごい?

- 従来の模倣学習ポリシーは滑らかな運動相でも接触リッチな操作相でも一律に毎ステップ行動予測していた。 - この均一処理は無駄が多く、自由空間の多くのステップはタスク関連情報が乏しい。 - SkiP は冗長ステップを飛ばしつつ key ステップで密な高解像度予測を行い、実行ステップを 15–40% 削減しつつ成功率を維持または改善。

3. 技術・手法の肝は?

- action relabeling 機構: skip segment の各時刻で behavior cloning のターゲットを次の key segment 入口の行動に置換し、1 回の決定で冗長ステップを飛び越える。 - Motion Spectrum Keying (MSK): 行動信号から局所的な運動複雑度を検出し、手動注釈なしでデモを key/skip segment に自動分割する高速でタスク非依存な手続き。 - 単一の統合ネットワーク内で skip segment を動的に飛び越え、key segment で集中的に行動を精緻化する。

4. どうやって有効だと検証した?

- 72 のシミュレーション操作タスクと 3 つの実ロボットタスクで広範な実験を実施。 - SkiP は実行ステップを 15–40% 削減し、様々なポリシーバックボーンで成功率を維持または改善することを示した。

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 behavior cloning、imitation learning、hierarchical policy、skip planner などが挙げられる。

※ 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: Mingtong Dai, Guanqi Peng, Yongjie Bai, Feng Yan, Chunjie Chen, Lingbo Liu, Liang Lin, Xinyu Wu

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

Previous imitation learning policies predict future actions at every control step, whether in smooth motion phases or precise, contact-rich operation phases. This uniform treatment is wasteful: most steps in a manipulation trajectory traverse free space and carry little task-relevant information, while a small fraction of \emph{key} steps around contacts, grasps, and alignment demand dense, high-resolution prediction. We propose a novel \emph{action relabeling} mechanism: at each timestep in a skip segment, we replace the behavior cloning target with the action at the entrance of the next key segment, enabling the policy to leap over redundant steps in a single decision. The resulting \textbf{Skip Policy (SkiP)} dynamically leaps over skip segments and intensively refines actions in key segments, within a single unified network requiring no learned skip planner or hierarchical structure. To automatically partition demonstrations into key and skip segments without manual annotation, we introduce \emph{Motion Spectrum Keying} (MSK), a fast, task-agnostic procedure that detects local motion complexity from action signals. Extensive experiments across 72 simulated manipulation tasks and three real-robot tasks show that SkiP reduces executed steps by $15$--$40\%$ while matching or improving success rates across various policy backbones. Project page: \texttt{https://pgq18.github.io/SkiP-page/}.

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