日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

操作arXiv:2606.13675

フロー逆転ステアリングによるロボット汎用ポリシーの性能向上

Improving Robotic Generalist Policies via Flow Reversal Steering

シェア:XThreadsFacebookLINEはてブBluesky

フローマッチングに基づく汎用ロボットポリシーに対し、不完全な行動を逆フローで潜在ノイズに変換し、近傍の高品質な行動モードへ写像する手法を提案。シミュレーションと実機でゼロショット制御や強化学習の改善に効果を示した。

詳しい要約

1. どんなもの?

- 汎用ロボットポリシー(generalist policies)の制御を改善する手法「Flow Reversal Steering (FRS)」を提案。 - flow matching generalistに焦点を当て、劣ったが合理的な行動を逆に流れポリシーに通して潜在ノイズを見つけ、近傍の汎用行動モードにマッピングする。 - シミュレーションと実世界の操作タスクで評価。

2. 先行研究と比べてどこがすごい?

- 直接コマンドが失敗する場合でも、ポリシーの豊富な行動事前分布から適切な行動を推論・呼び出せる。 - 人間やVLMからの粗い意味的ガイダンスを良いロボット行動に変換し、ゼロショット制御を改善。 - 補助ポリシーを訓練してノイズを出力させることで、行動クローニングによる蒸留が可能で、1分未満の訓練で最大95%の絶対タスク成功率向上を達成。 - 強化学習のブートストラップにより、標準RLが改善できないタスクを改善。

3. 技術・手法の肝は?

- flow matching generalistポリシーを逆方向に通すことで、与えられた行動の潜在ノイズを特定。 - そのノイズを近傍の汎用行動モードにマッピングする。 - これにより、粗い意味的ガイダンスを適切な行動に変換。 - 補助ポリシーを訓練して、汎用ポリシーが良い行動にマッピングするノイズを出力させる(行動クローニングによる蒸留)。 - 強化学習のブートストラップに意味的知識を活用。

4. どうやって有効だと検証した?

- 多くのシミュレーションおよび実世界の操作設定でFRSを評価。 - ゼロショット制御の改善を確認。 - 補助ポリシーの訓練により、1分未満で最大95%の絶対タスク成功率向上を実証。 - 標準RLが改善できないいくつかのタスクで、FRSが改善を達成。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- flow matching generalistポリシー、vision-language models (VLMs)、behavioral cloning、reinforcement learningに関する研究。

※ 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: Andy Tang, William Chen, Andrew Wagenmaker, Chelsea Finn, Sergey Levine

分類: cs.RO

原文アブストラクト

Generalist policies can learn a wide range of skills from diverse robot datasets. In order to solve or improve on challenging new tasks, we need a way to infer and invoke the appropriate actions from the policy's rich behavioral prior, especially when directly commanding the policy fails. We focus on flow matching generalists and propose Flow Reversal Steering (FRS): a method that takes suboptimal but ``reasonable'' actions, finds their latent noises by passing them through the flow policy in reverse, and maps them to nearby generalist action modes. We evaluate FRS across many simulated and real-world manipulation settings. First, FRS can turn coarse semantic guidance from humans or vision-language models (VLMs) into corresponding good robot actions, improving zero-shot control. These gains can be distilled with behavioral cloning by training an auxiliary policy to output noises that the generalist maps to good actions -- showing up to 95% absolute task success rate boosts in under a minute of training. Finally, FRS enables policy improvement by bootstrapping reinforcement learning with semantic knowledge, improving on several tasks that standard RL fails to improve on.

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