マニピュレーション2026/7/1arXiv:2607.17651

HCPG-Flow：フローポリシーによるロボット操作のための階層的接触進行ガイダンス

HCPG-Flow:Hierarchical Contact-Progress Guidance for Flow-Policy Robot Manipulation

フローポリシーによるロボット操作において、接触前後で階層的な物体中心の進行指標を用いて候補動作を選択する手法を提案し、シミュレーションと実機で成功率を向上させた。

詳しい要約

1. どんなもの？

HCPG-Flowは、ロボット操作のためのFlow Policyに階層的・物体中心の接触進行ガイダンスを導入した、ロールアウト時の行動選択手法です。SAC-Flowのactor-critic学習を維持しつつ、複数の行動提案から実行する行動を選ぶ際に、接触前はエンドエフェクタの接近、接触後はタスク進行に基づくスコアリングを行います。

2. 先行研究と比べてどこがすごい？

従来のFlow Policyでは、複数の行動提案から一つを選ぶためにcriticベースのランキングを用いますが、これはリプレイ内で弱く表現された候補行動に対する価値推定に依存し、データ収集が不安定になる可能性があります。HCPG-Flowは、解析的なロールアウト時セレクタを用いることで、価値推定に依存せず、接触進行という物体中心の指標で行動を選択する点が新しいです。

3. 技術・手法の肝は？

手法の核は、SAC-Flowのactorとcriticの目的関数を維持しつつ、ロールアウト時に階層的な接触進行ガイダンスを追加することです。具体的には、接触前はエンドエフェクタの接近を、接触後はタスク進行を切り替え、各提案をタスク関連距離の一次減少でスコアリングし、候補セット内で標準化し、温度制御された行動埋め込みを実行します。

4. どうやって有効だと検証した？

10のシミュレーションタスクで、SAC-Flowと比較して平均成功率を向上させ、特にManiskillでは9.5パーセントポイントの向上を達成しました。さらに、4つの物理タスクでも高い成功率を示し、成功までのステップ数を17.4%削減しました。

5. 議論はある？

要旨からは、提案手法の限界や批判的議論は不明です。ただし、接触進行ガイダンスがタスクに依存する可能性や、温度制御パラメータの調整が必要であることなどが考えられますが、要旨には記載されていません。

6. 次に読むべき論文は？

要旨で参照されているのはSAC-FlowとManiskillベンチマークです。次に読むべき論文としては、SAC-Flowの元論文（Flow Policyを導入した強化学習手法）や、Maniskillベンチマークの論文が挙げられます。また、接触進行や階層的強化学習に関する関連研究も有用です。

※ 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: Guanghu Xie, Mingxu Li, Shuo Zhang, Yonglong Zhang, Yifan Yang, Yang Liu, Zongwu Xie, Baoshi Cao

分類: cs.RO

原文アブストラクト

Flow policies can represent multimodal action distributions for robot manipulation, yet a robot must execute one action at each control step. When several proposals are sampled, critic-based ranking makes data collection depend on value estimates over candidate actions that may be weakly represented in replay. We introduce HCPG-Flow, an analytic rollout-time selector that augments SAC-Flow with hierarchical, object-centric contact-progress guidance while preserving its actor and critic objectives. HCPG switches from end-effector approach to task progress after contact, scores each proposal by the first-order reduction of a task-relevant distance, standardizes scores within the candidate set, and executes a temperature-controlled action embedding. Across ten simulated tasks, HCPG improves mean success over SAC-Flow on both benchmarks, including a 9.5 percentage-point gain on Maniskill. Four physical tasks further show high success with a 17.4% reduction in successful completion steps.Project page: https://hitxraz.github.io/HCPG-Flow/

arXivで原文を読む →arXiv概要ページ

HCPG-Flow：フローポリシーによるロボット操作のための階層的接触進行ガイダンス

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

MINISFORUM（ミニPC）

双腕モバイルマニピュレーター OpenShell