日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

データ生成arXiv:2607.04880

PRISM: 画像ベースのシーン・動作合成によるパーソナライズドロボットデータセット生成

PRISM: Personalized Robotic Dataset Generation via Image-based Scene and Motion Synthesis

シェア:XThreadsFacebookLINEはてブBluesky

単一画像と自然言語指示から、ユーザ環境に適合した多様なデジタル双子シーンと実行可能なデモを自動生成し、ロボットポリシー学習用のパーソナライズドデータセットを構築するパイプラインを提案。

詳しい要約

1. どんなもの?

PRISMは、単一の画像と自然言語の指示から、ユーザー環境に特化したロボット操作データセットを自動生成するエンドツーエンドのパイプラインを提案する。デジタルいとこ(digital cousin)シーンを構築し、テレオペレーションなしで実行可能なデモを合成することで、大規模事前学習済みvision-language-actionモデルの個別環境への適応を可能にする。

2. 先行研究と比べてどこがすごい?

従来のテレオペレーションはデータの質が高いがコストが高くスケールしにくい。シミュレーションはスケールしやすいが、対象環境の類似性とタスク固有の軌道生成に課題があった。PRISMは、ユーザー環境と意味的・幾何的に整合しつつインスタンスレベルで多様なシーンを生成し、人手を介さずにデモを合成することで、両者の利点を両立する点が新しい。

3. 技術・手法の肝は?

手法の肝は、単一画像と指示からデジタルいとこシーンを構築する点と、テレオペレーションなしで実行可能なデモを合成する点にある。シーンはユーザー環境と意味的・幾何的に整合しつつ、インスタンスレベルで多様性を持つ。これにより、対象環境に適応したデータセットを自動生成する。

4. どうやって有効だと検証した?

LIBEROおよびLIBERO-Plusベンチマークで、ベースライン生成データセットで訓練したポリシーよりも高い性能を達成。さらに、3つの実世界操作タスクで最大100%の成功率を達成し、訓練時に見た環境と異なる環境での評価でも強い性能を維持することを示した。

5. 議論はある?

要旨からは、PRISMの限界や潜在的な問題(例:シーン生成の多様性と整合性のトレードオフ、実世界での複雑なタスクへの適用範囲、計算コストなど)についての議論は不明。また、デジタルいとこシーンの品質が最終的なポリシー性能に与える影響の詳細も要旨からは不明。

6. 次に読むべき論文は?

要旨で参照されている研究は明示されていないが、関連する分野として、大規模事前学習済みvision-language-actionモデル、テレオペレーションによるデータ収集、シミュレーションからのデータ生成、digital cousin(デジタルいとこ)の概念に関する研究が挙げられる。具体的には、LIBEROやLIBERO-Plusベンチマークを用いた研究、およびsim-to-real転移に関する論文が次に読むべき候補となる。

※ 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: Dogyu Ko, Haneul Kim, Chanyoung Yeo, Dowoon Lee, Taeho Park, Hyoseok Hwang

分類: cs.RO

原文アブストラクト

Recent advances in large-scale pretrained vision-language-action models have improved robot policy learning, but directly deploying such policies in user-specific environments remains challenging due to limited generalization, which inevitably requires collecting a dataset tailored to the target environment. Teleoperation yields well-aligned data but is costly and difficult to scale, whereas simulation scales easily but struggles to resemble the target environment and generate task-specific trajectories. To meet both simultaneously, we propose PRISM, an end-to-end pipeline that generates personalized robotic datasets from a single image and a natural-language instruction. PRISM constructs digital cousin scenes that are semantically and geometrically aligned with the user environment yet diverse at the instance level, and synthesizes executable demonstrations without human teleoperation. Extensive experiments show that policies trained on PRISM-generated datasets outperform those trained on baseline-generated datasets on LIBERO and LIBERO-Plus, achieve up to 100\% success rate on three real-world manipulation tasks, and maintain stronger performance when evaluated in environments that differ from those seen during training.

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