両腕操作/データ生成/行動クローニング2026/5/1arXiv:2605.21710

PGDG: 単一デモからの堅牢な両腕ポリシー学習のための物理的根拠に基づくデータ生成

PGDG: Physically Grounded Data Generation for Robust Bimanual Policy Learning from a Single Demonstration

単一のデモンストレーションから、物理的に妥当で成功する多様な回復行動を含むデータセットを自動生成し、両腕操作の行動クローニングの堅牢性を向上させるフレームワークを提案した。

詳しい要約

1. どんなもの？

- 接触の多い両手マニピュレーションの behavior cloning 向けデータ生成フレームワーク PGDG を提案。 - 単一の demonstration から、物理的に妥当で成功し多様な recovery 挙動のデータセットを、追加の人手ラベリングなしで生成する。 - zero-shot curation を備え、physics-grounded sampler と dataset curator を反復させる。

2. 先行研究と比べてどこがすごい？

- 従来は多様な demonstration の収集が高コストで、小さな外乱でも off-manifold 状態に陥り recovery の教師が無かった。 - PGDG は単一 demonstration から recovery 挙動を生成し、この問題に対処する。 - 4つの両手タスクで spatial-only augmentation を一貫して上回る。 - RotateBox-Pitch で sim 38%→93%、real 35%→82%。 - GR00T の fine-tuning も可能にし 46%→77% に向上。

3. 技術・手法の肝は？

- physics-grounded sampler と dataset curator を反復させる枠組み。 - curator は informative・non-redundant・recoverable な挙動を選び、未カバーの recovery mode へサンプリング分布を更新。 - sampler は更新分布から物理的に妥当な rollout 候補を引き、成功軌道を保持。 - さらに short-horizon sampling-based control で危険状態に corrective action を再ラベル。

4. どうやって有効だと検証した？

- 4つの両手マニピュレーションタスクで評価。 - simulation と zero-shot real-world transfer の両方で spatial-only augmentation より一貫して優位。 - RotateBox-Pitch で sim 38%→93%、real 35%→82%。 - GR00T の fine-tuning で 46%→77% に改善。

5. 議論はある？

- 要旨からは不明。 - 限界や失敗事例、計算コスト、他タスクへの一般化についての議論は要旨に記載がない。

6. 次に読むべき論文は？

- GR00T（要旨で fine-tuning 対象として参照）。 - spatial-only augmentation（比較対象）。 - behavior cloning、contact-rich bimanual manipulation、recovery behavior learning の関連研究。

※ 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: Cunxi Dai, Haoran Chang, Aditya Nisal, Rahul Kumar, Guofei Chen, Tao Chen, Yuzhe Qin, Guanya Shi

分類: cs.RO

原文アブストラクト

Behavior cloning for contact-rich bimanual manipulation remains challenging because diverse demonstrations are expensive to collect, and even small disturbances can push the system into off-manifold states where no recovery supervision is available. We propose PGDG, a data generation framework with zero-shot curation that expands a single demonstration into a compact dataset of physically plausible, successful, and diverse recovery behaviors without additional human labeling. PGDG iterates between a physics-grounded sampler and a dataset curator, where the curator selects informative, non-redundant, and recoverable behaviors to update the sampling distribution toward under-covered recovery modes, and the sampler draws physically plausible rollout candidates from this updated distribution and retains successful trajectories. To further improve data quality, PGDG applies short-horizon sampling-based control to relabel selected risky states with corrective actions. Across four bimanual manipulation tasks, PGDG consistently outperforms spatial-only augmentation in both simulation and zero-shot real-world transfer. On RotateBox-Pitch, success improves from 38% to 93% in simulation and from 35% to 82% in the real world. PGDG also enables effective foundation models fine-tuning such as GR00T, increasing success from 46% to 77%. Additional results are available in our website: https://cunxid.github.io/PGDG/.

arXivで原文を読む →arXiv概要ページ

← 論文一覧