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:2606.23090

フローをフローとして:ロボット速度場を確率速度場としてモデル化しフローベース物体操作を実現

Flow as Flow: Modeling Robot Velocity Fields as Probability Velocity Fields for Flow-Based Object Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

ロボットの動作を確率フローとしてモデル化し、フローマッチングに基づいて高品質かつ高速なロボットフロー生成を実現した物体操作フレームワークを提案。

詳しい要約

1. どんなもの?

- ロボットの速度場(robot velocity fields)を確率的速度場(probability velocity fields)としてモデル化するフレームワーク「Flow as Flow」を提案。 - flow-based object manipulation を対象とし、robot flows を embodiment-agnostic な運動表現として活用。 - flow matching の定式化に基づき、連続時間の運動に適合する密な速度場を生成。 - 標準ベンチマークで代表的な baseline を上回り、生成速度は約33倍高速。 - 実世界実験では13の manipulation タスクで9手法を各260試行評価し、平均成功率が baseline より高い。

2. 先行研究と比べてどこがすごい?

- 従来研究は robot flows を密な速度場ではなく、疎な keypoints の変位として定式化していた。 - 速度場は運動の連続時間的性質により適合するが、既存手法ではそのように扱われていなかった。 - 提案手法は flow matching に基づき速度場を自然にモデル化し、効率的かつ高品質な robot flow 生成を実現。 - 標準ベンチマークで代表的な baseline を上回り、生成速度は約33倍高速。 - 実世界の13 manipulation タスクで平均成功率が baseline より高い。

3. 技術・手法の肝は?

- robot flows(robot velocity fields)を probability flows としてモデル化する。 - flow matching の定式化に基づき、密な速度場を自然にモデル化。 - これにより効率的かつ高品質な robot flow 生成を実現。 - cross-embodiment data を活用するための embodiment-agnostic な運動表現として robot flows を用いる。 - 具体的なネットワーク構造や学習手順の詳細は要旨からは不明。

4. どうやって有効だと検証した?

- 標準ベンチマークで代表的な baseline 手法と比較し、標準指標で上回ることを示した。 - 生成速度が約33倍高速であることを示した。 - 実世界実験で13の manipulation タスクを対象に9手法を各260試行評価し、平均成功率が baseline より高いことを示した。 - プロジェクトページ(https://flow-as-flow-u0n5y.kinsta.page)で詳細を公開。

5. 議論はある?

- 要旨からは、提案手法の限界や議論の詳細は不明。 - 実世界実験のタスク選定や評価指標の詳細、失敗事例の分析は要旨からは不明。 - cross-embodiment data の異種性への対処や汎化性能に関する議論は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている具体的な先行研究名は明記されていない。 - 関連手法として flow matching、flow-based object manipulation、cross-embodiment robot learning、robot foundation models が挙げられる。 - 同分野の定番として imitation learning、diffusion policy、keypoint-based 手法などが考えられるが、要旨に明示なし。

※ 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: Koki Seno, Daichi Yashima, Yusuke Takagi, Kento Tokura, Komei Sugiura

分類: cs.RO

原文アブストラクト

Cross-embodiment data have become central to training robotic foundation models. To leverage such heterogeneous data, we focus on flow-based object manipulation, where robot flows (robot velocity fields) serve as embodiment-agnostic motion representations. Previous studies do not formulate robot flows as dense velocity fields, but as displacements of sparse keypoints, while such velocity fields better match the continuous-time nature of motions. We propose Flow as Flow, a framework that models robot flows as probability flows based on a flow matching formulation. By naturally modeling such velocity fields within this formulation, our method achieves efficient and high-quality robot flow generation. Across standard benchmarks, our method outperforms representative baseline methods on standard metrics, while achieving approximately 33$\times$ faster generation. Furthermore, through real-world experiments evaluating 9 methods with 260 trials per method across 13 manipulation tasks, we show that our method achieves a higher average success rate than the baseline methods. Our project page is available at https://flow-as-flow-u0n5y.kinsta.page.

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