AXIS：拡張可能なロボット操作のためのコミュニティ駆動型データエンジン

AXISは、スケーラブルなロボット操作学習のための成長可能なコミュニティ駆動型データエンジンとベンチマークである。ブラウザベースの遠隔操作による大規模デモ収集、新しい操作タスクの自動生成と検証、コミュニティ収集デモの自動成功チェック、品質フィルタリング、軌道平滑化、視覚・物理ベースの拡張によるトレーニング可能なデータへの変換を可能にする。現在のAXISデータセットは207の多様なタスクと50K以上の軌道を含む。また、タスクスナップショットへのデータ整理と体系的なheld-outプロトコルによるポリシー評価を提供する。

既存のデータパイプラインは、特殊なハードウェア、集中管理されたオペレータ、固定タスクスイートに依存し、スケールが困難である。AXISは、ブラウザベースの遠隔操作により特別なハードウェアを不要にし、タスクの自動生成と検証により固定タスクスイートの制約を解消し、コミュニティ駆動でデータを成長可能にした点が優れている。また、自動成功チェックや品質フィルタリングなど、データ変換の自動化により、大規模データの収集と利用を効率化している。

手法の肝は、ブラウザベースの遠隔操作による大規模デモ収集、タスクの自動生成と検証、そして収集データをトレーニング可能な形式に変換する自動パイプラインである。具体的には、自動成功チェック、品質フィルタリング、軌道平滑化、視覚・物理ベースの拡張を組み合わせる。さらに、データをタスクスナップショットとして整理し、体系的なheld-outプロトコルで評価することで、公平な比較とスケーリング分析を可能にしている。

AXISの有効性は、統一されたAXIS評価スイートを用いて、複数のvision-language-action (VLA)ポリシーを比較し、異なるデータ量でのスケーリング挙動を分析することで検証された。具体的には、AXISでの継続的プレトレーニングにより、π0.5の全体的な成功率が5.8%向上し、RoboCasa365でプレトレーニングしたモデルよりも37.3%優れていた。また、データ量の増加に伴う一貫したスケーリングが観察され、レイアウト、センサーノイズ、カメラ摂動下で最大の改善が見られた。

要旨からは、AXISの限界や潜在的なバイアス、コミュニティ駆動のデータ品質管理の課題、タスク自動生成の多様性と複雑さの限界などについての議論は明示されていない。また、データセットの規模やタスクの難易度が実世界の操作タスクをどの程度代表しているかについても不明である。

要旨で参照されている研究は、比較対象としてRoboCasa365が挙げられている。また、VLAポリシーとしてπ0.5が言及されている。次に読むべき論文としては、RoboCasa365の詳細、π0.5の元論文、およびVLAポリシーの一般的な枠組みに関する研究が考えられる。