日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2606.11489

閉ループアフィン活性化編集によるマルチロボット行動の操縦

Steering Multirobot Behavior via Closed-Loop Affine Activation Editing

シェア:XThreadsFacebookLINEはてブBluesky

凍結したポリシーの活性化を閉ループで編集し、追加学習なしでロボットの行動を操縦するフレームワークCLAEを提案。マルチクアッドローターのナビゲーションで、個体の速度制御や編隊維持、新規行動の生成を実証した。

詳しい要約

1. どんなもの?

- 実世界のロボットは事前学習済みポリシーの範囲を超えて行動を適応させる必要がある。 - ポリシーのファインチューニングや再学習は破滅的忘却のリスクがある。 - 本研究ではCLAE (Closed-Loop Affine Activation Editing)を導入する。 - これは推論時に凍結ポリシーの中間活性化を編集することで行動を操舵するフレームワーク。 - ベースポリシーの重みと下流のアクションヘッドは変更しない。

2. 先行研究と比べてどこがすごい?

- 従来のファインチューニングや再学習は破滅的忘却を引き起こす可能性がある。 - CLAEは推論時に活性化を編集するため、ベースポリシーの性能を劣化させずに行動を操舵できる。 - 閉ループ問題として行動操舵を扱い、ロボットの状態、環境、目標行動、マルチロボットコンテキストにオンラインで適応する。 - これにより、事前学習済みポリシーの範囲を超えた新しい行動を生成できる。

3. 技術・手法の肝は?

- 凍結ポリシーの活性化上でスパースオートエンコーダを訓練する。 - 事後プロービングにより行動に関連する潜在特徴を選択する。 - 軽量なRLベースの操舵ポリシーを学習し、推論時に選択された潜在特徴に状態依存のアフィン編集を適用する。 - これにより、ベースポリシーの重みを変更せずに行動を操舵する。

4. どうやって有効だと検証した?

- 単一タスク(障害物を避けながら目標位置にロボットをナビゲートする)を実行するように訓練された凍結マルチクアッドロータナビゲーションポリシーでCLAEを検証。 - 広範なシミュレーションと物理テストを通じて、以下を実証: - 各ロボットの速度プロファイルを制御することで個々のロボットの行動を操舵。 - 所望のフォーメーションを維持することでマルチロボット行動を調整。 - ロボットが環境内の監視カメラへの露出を減らす必要がある全く新しい行動を生成。

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、スパースオートエンコーダ、RLベースの操舵ポリシー、マルチロボットナビゲーション、破滅的忘却対策が挙げられる。 - 同分野の定番として、Policy Finetuning、Retraining、Catastrophic Forgettingの研究が考えられる。

※ 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: Satyajeet Das, Darren Chiu, Shashank Hegde, Gaurav S. Sukhatme

分類: cs.RO

原文アブストラクト

Real-world robots need to adapt their behavior beyond the envelope of their pre-trained policy. Policy finetuning or retraining are options, but they risk catastrophic forgetting, degrading the pretrained policy's base performance. To combat this, we introduce CLAE: Closed-Loop Affine Activation Editing, an inference-time framework for steering the behavior of a frozen policy by editing intermediate activations while keeping the base policy weights and downstream action head untouched. CLAE approaches behavior steering as a closed-loop problem whose outputs edit policy activations that adapt online to the robot state, environment, target behavior, and multi-robot context. It trains a sparse autoencoder over frozen-policy activations, selects behavior-relevant latent features via post-hoc probing, and learns a lightweight RL-based steering policy that applies state-dependent affine edits to selected latents during inference. We validate CLAE on a frozen multi-quadrotor navigation policy trained to perform a single task: navigating robots to a set of goal locations while avoiding obstacles. Through extensive simulations and physical tests, we show that while navigating to their goal positions, CLAE can 1. steer individual robot behavior by controlling each robot's velocity profile; 2. coordinate multirobot behavior by preserving a desired formation; and 3. produce entirely new behavior wherein robots are required to reduce their exposure to surveillance cameras in the environment.

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