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:2606.09758

模倣学習のための差分認識検索ポリシー

Difference-Aware Retrieval Policies for Imitation Learning

シェア:XThreadsFacebookLINEはてブBluesky

模倣学習の汎化性能を向上させるため、推論時に訓練データを再利用する半パラメトリックな検索ベース手法DARPを提案。局所近傍構造に基づいて行動を予測し、連続制御やロボット操作で標準的な行動クローニングより15-46%性能が向上した。

詳しい要約

1. どんなもの?

- パラメトリックな模倣学習(behavior cloning)の一般化性能を改善する半パラメトリック検索ベース手法「DARP」を提案。 - 推論時に訓練データを再利用し、局所近傍構造に基づいて行動を予測する。 - 追加のデータ収集やオンライン専門家フィードバック、タスク固有知識を必要としない。

2. 先行研究と比べてどこがすごい?

- 標準的なbehavior cloningは分布外状態でcompounding errorsにより性能が低下する。 - DARPは検索ベースの半パラメトリック手法で、この問題を緩和する。 - 連続制御やロボットマニピュレーションなど多様な領域で15-46%の一貫した性能向上を達成。 - 高次元視覚特徴を含む異なる表現でも有効。

3. 技術・手法の肝は?

- 模倣学習問題を直接的なstate-to-actionマッピングではなく、局所近傍構造で再パラメータ化。 - 専門家デモからのk-nearest neighbors、対応する行動、近傍状態とクエリ状態間の相対距離ベクトルに基づいて行動を予測するモデルを訓練。 - 標準behavior cloningと同様の仮定のみで動作。

4. どうやって有効だと検証した?

- 連続制御とロボットマニピュレーションを含む多様な領域で評価。 - 高次元視覚特徴を含む異なる表現で検証。 - 標準behavior cloningと比較して15-46%の一貫した性能向上を確認。

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標準的なbehavior cloningのみ。 - 関連手法としてretrieval-based imitation learning、semi-parametric imitation learning、k-nearest neighbors、compounding errorsに関する研究が挙げられる。

※ 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: Quinn Pfeifer, Ethan Pronovost, Paarth Shah, Khimya Khetarpal, Siddhartha Srinivasa, Abhishek Gupta

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

Parametric imitation learning via behavior cloning can suffer from poor generalization to out-of-distribution states due to compounding errors during deployment. We show that reusing the training data during inference via a semi-parametric retrieval-based imitation learning approach can alleviate this challenge. We present Difference-Aware Retrieval Policies for Imitation Learning (DARP), a semi-parametric retrieval-based imitation learning approach that addresses this limitation by reparameterizing the imitation learning problem in terms of local neighborhood structure rather than direct state-to-action mappings. Instead of learning a global policy, DARP trains a model to predict actions based on $k$-nearest neighbors from expert demonstrations, their corresponding actions, and the relative distance vectors between neighbor states and query states. DARP requires no additional assumptions beyond those made for standard behavior cloning -- it does not require additional data collection, online expert feedback, or task-specific knowledge. We demonstrate consistent performance improvements of 15-46% over standard behavior cloning across diverse domains, including continuous control and robotic manipulation, and across different representations, including high-dimensional visual features. Code and demos are available at https://weirdlabuw.github.io/darp-site/.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI