日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

模倣学習arXiv:2606.01238

訓練不要の模倣学習:閉形式拡散ポリシー

Training-Free Imitation Learning with Closed-Form Diffusion Policies

シェア:XThreadsFacebookLINEはてブBluesky

デモデータから閉形式でスコアを導出し、訓練なしで拡散ポリシーを実現する手法を提案。CPU上でミリ秒単位の推論が可能で、ニューラル拡散ポリシーと同等の性能を示す。

詳しい要約

1. どんなもの?

- どんなもの? - 拡散ベースの模倣学習ポリシー「Closed-Form Diffusion Policies (CFDP)」を提案。 - デモンストレーションデータセットから閉形式でスコアを導出し、訓練不要でポリシーを構築。 - モバイルCPU上でリアルタイム推論が可能で、ミリ秒単位で模倣を実行。 - ニューラル拡散ポリシーより高速な推論を実現。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 従来の拡散ポリシーは長時間のオフライン訓練が必要で、データ収集とポリシー展開のループが遅い。 - CFDPは訓練不要で、数時間の訓練を要するニューラルベースラインと競合する性能を達成。 - 訓練時間と性能のトレードオフが有利。 - 訓練済みニューラル拡散ポリシーの推論時編集(ポリシーガイダンスや新規デモンストレーション拡張)を可能にする構成可能なプリミティブとして機能。

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - デモンストレーションデータセットから閉形式でスコアを導出する。 - この閉形式スコアを用いて拡散ポリシーを訓練なしで構築。 - リアルタイム推論をモバイルCPU上で実現。 - 訓練済みニューラル拡散ポリシーに対する推論時編集(ガイダンス、デモンストレーション拡張)を可能にする。

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - ハードウェア実験でモバイルCPUを用いたリアルタイム推論を実装し、データセットから直接ミリ秒単位で模倣を実行できることを示した。 - 模倣学習ベンチマークでの実験で、数時間の訓練を要するニューラルベースラインと競合する性能を示した。 - 訓練時間と性能のトレードオフが有利であることを示した。 - 訓練済みニューラル拡散ポリシーの推論時編集(ポリシーガイダンス、新規デモンストレーション拡張)を実証。

5. 議論はある?

- 議論はある? - 要旨からは不明。

6. 次に読むべき論文は?

- 次に読むべき論文は? - ニューラル拡散ポリシー(Neural Diffusion Policies) - 模倣学習(Imitation Learning) - 拡散モデル(Diffusion Models) - スコアベース生成モデル(Score-Based Generative Models)

※ 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: Raghav Mishra, Ian R. Manchester

分類: cs.RO, cs.LG

原文アブストラクト

While diffusion-based policies have impressive performance and expressivity, their long offline training slows down the data collection and policy deployment loop. We introduce Closed-Form Diffusion Policies, a class of training-free diffusion-based policies for imitation learning using the closed-form score derived from the demonstration dataset. We deploy CFDP with real-time inference with a mobile CPU in hardware experiments, showing it can successfully perform imitation directly from the dataset in milliseconds and with faster inference than neural diffusion policies. In experiments on imitation learning benchmarks, we show that CFDP is competitive against neural baselines that require hours of training, providing a favorable tradeoff between training time and performance. Finally, we show how closed-form diffusion policies act as a composable primitive that enables data-driven inference-time editing of pre-trained neural diffusion policies, including policy guidance and novel demonstration augmentation.

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