日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2607.14047

Zero2Skill: 自律データ収集・訓練・展開によるロボットスキルのブートストラップ

Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment

シェア:XThreadsFacebookLINEはてブBluesky

人間の介入を減らしつつロボット操作スキルを自律的に学習するシステムを提案。修正を記憶して再利用することで、人間の作業時間を大幅に削減し、成功率を向上させた。

詳しい要約

1. どんなもの?

Zero2Skillは、ロボット操作ポリシー学習のための実世界データ収集を自律化する、人間とロボットの共生型エージェントシステムである。収集ループは自律的にデータ収集・検証・リセットを行い、明示的なリトライ予算を使い切った場合のみ遠隔オペレータに一時停止して介入を求める。オペレータの自然言語による修正指示はLLMパーサーによって構造化された調整としてCorrective Memoryに保存され、以降のラウンドで再利用される。これにより、同じ失敗モードへの再修正を減らし、監視コストをセッション長ではなく問題の種類数に依存させる。実ロボットのデスクトップ整理タスクで評価され、テレオペレーションと同等の成功率を達成しつつ、人間の作業時間を16%に削減する。

2. 先行研究と比べてどこがすごい?

既存の自律データ収集パイプライン(自己リセット、VLM検証、言語誘導修正など)は、エピソード単位の修正を毎回やり直すため、同じ失敗が再発するたびに修正が必要で、監視コストがセッション長に比例して増加する。Zero2Skillは修正を保持・再利用することで、対処済みの失敗モードは同じ条件下では再修正が不要となり、監視コストを問題の種類数に依存させる点が革新的である。また、言語修正が検証器と人間の一致度を向上させ、単一試行成功率を大幅に改善することを示している。

3. 技術・手法の肝は?

手法の核心は、収集ループの自律化と修正の記憶・再利用の仕組みにある。収集ループは収集・検証・リセットを自律的に行い、各フェーズでリトライ予算を設定し、それを超えた場合のみ遠隔オペレータに介入を求める。オペレータの自然言語による修正指示はLLMパーサーによって構造化された調整(例:アーム選択、動作パラメータ変更)に変換され、Corrective Memoryに保存される。この記憶により、同じ条件下での失敗は次回から自動的に回避される。また、言語修正は検証器の精度向上にも寄与し、人間と検証器の一致度を高める。

4. どうやって有効だと検証した?

実ロボットのデスクトップ整理タスクで評価した。Zero2Skillはテレオペレーションと同等のエピソード成功率を達成しつつ、人間の作業時間を16%に削減した。言語修正は4つの評価設定すべてで検証器と人間の一致度を向上させ、平均単一試行成功率を12.5%から47.5%に引き上げた(アーム選択では20.0%から50.0%)。さらに、Zero2Skillで収集したデータでファインチューニングしたポリシーは、テレオペレーションで訓練したポリシーと同等の成功率を、収集時の人間コストを大幅に抑えて達成した。

5. 議論はある?

要旨からは、システムの限界や潜在的な問題についての議論は明示されていない。ただし、自律収集と人間介入のバランス、Corrective Memoryのスケーラビリティ、LLMパーサーの解釈誤り、検証器の信頼性などが今後の課題として考えられるが、要旨には記載がないため不明である。また、評価がデスクトップ整理タスクに限定されており、他のタスクや環境での汎用性は不明である。

6. 次に読むべき論文は?

要旨で参照されている関連研究は明示されていないが、同分野の定番として、自己リセットによる自律データ収集(例:Self-Reset)、VLMによる検証、言語誘導による修正(例:Language-Conditioned Imitation Learning)などが挙げられる。また、Corrective Memoryの概念は、ロボット学習における経験の蓄積やメタ学習に関連する研究が参考になる。具体的には、'Learning from Play'や'Robot Learning from Human Corrections'などの研究が関連する。

※ 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: Boyuan Wang, Zhenyuan Zhang, Zhiqin Yang, Peijun Gu, Shuya Wang, Xiaofeng Wang, Xianghui Ze, Yifan Chang, Guosheng Zhao, Jiangnan Shao, Guan Huang, Hengyu Liu, Yonggang Zhang, Wei Xue, Chunyuan Guan, Chenglin Pu, Yike Guo, Xingang Wang, Zheng Zhu

分類: cs.RO, cs.HC, cs.SY, eess.SY

原文アブストラクト

Autonomous data collection governs the volume and quality of real-world trajectories for manipulation policy learning. Existing pipelines reduce human effort via self-resetting, VLM verification, or language-guided correction, yet episode-scoped fixes must be reissued whenever the same failure recurs, so oversight cost grows with session length rather than with the number of distinct problems. We present Zero2Skill, a human-robot symbiotic agentic system in which corrections are retained and reused across rounds. The collection loop collects, verifies, and resets autonomously, pausing for a remote operator only when a phase exhausts an explicit retry budget. An LLM parser maps each natural-language utterance to a structured adjustment stored in Corrective Memory, so addressed failure modes typically need not be corrected again under the same conditions. On a real-robot desktop-clearing testbed, Zero2Skill matches teleoperation episode success while reducing human working time to 16%. Language corrections improve verifier-human agreement in all four evaluated settings and raise average single-attempt success from 12.5% to 47.5% (arm-selection: 20.0% to 50.0%). Policies fine-tuned on Zero2Skill data match teleoperation-trained policy success at a fraction of collection human cost.

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

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