日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロボット制御arXiv:2607.21725

汎用ロボットにおけるオーケストレーションギャップへの物理的主体性による対処

Addressing the Orchestration Gap in Generalist Robots via Physical Agency

シェア:XThreadsFacebookLINEはてブBluesky

汎用ロボットの能力を、学習済みのポリシーと高レベルのオーケストレーターに分解し、追加学習なしで複雑なタスクを解決する手法を提案した。

詳しい要約

1. どんなもの?

本論文は、汎用ロボットの行動決定を、低レベルの制御を行うポリシーと、高レベルの計画・監視・回復を行うオーケストレータに分解する枠組みを提案する。具体的には、Physical Agency orchestrator (Pigey) を導入し、既存のvision-language-action (VLA) ポリシーやパラメータ化されたスキルを制御して、複雑な実世界の操作タスクを解決する。Pigeyは追加のデータ収集やポストトレーニングを必要とせず、高レベルの計画、サブゴール分解、モーターコマンドの発行、観測からの結果追跡と検証、失敗からの回復を行う。

2. 先行研究と比べてどこがすごい?

従来の最先端モデルは、大規模な事前学習を通じて、知覚、世界知識、計画、成功検出、回復、低レベル制御などのすべての能力を学習されたポリシーに統合しようとする。これに対し、本研究はこれらの能力をポリシーに統合するのではなく、汎用の言語条件付きポリシー/制御エージェントと高レベルのエージェントマネージャー/オーケストレータに分解する点が新しい。Pigeyは既存の凍結されたポリシーをエージェントループ内で活用することで、タスク固有の微調整なしに性能を大幅に向上させる。

3. 技術・手法の肝は?

Pigeyは閉ループの物理エージェントオーケストレータであり、高レベルの計画、目標の達成可能なサブゴールへの分解、低レベルのモーターコマンドの発行、低レベル観測からの結果の追跡と検証、失敗からの回復を行う。既存のVLAポリシーやパラメータ化されたスキルを制御する。追加のデータ収集やポストトレーニングは不要で、凍結されたポリシーをエージェントループ内で活用する。

4. どうやって有効だと検証した?

シミュレーションベンチマークと実世界のロボット操作タスクで評価した。LIBERO-PROでは、タスク固有の微調整なしに、最先端を4倍以上(12.8% -> 53.3%)向上させた。実ロボットでは、推論制限タスクにおいて、凍結されたポリシーをほぼゼロから90%以上に引き上げた。

5. 議論はある?

要旨からは、オーケストレーションギャップの概念が提案され、凍結されたモータースキルが単独で達成する性能とエージェントループ内での性能の差として定義されている。しかし、Pigeyの限界や、他のタイプのポリシーやスキルへの適用可能性、実世界での一般化の詳細については要旨からは不明である。

6. 次に読むべき論文は?

要旨で参照されている研究は、VLAポリシーや大規模事前学習による汎用ロボットポリシーに関するものである。具体的には、LIBERO-PROベンチマークや、既存のVLAポリシー(例:RT-2やOpenVLAなど)が関連する。次に読むべき論文としては、これらのVLAポリシーの基盤となった研究や、ロボット操作における計画と制御の階層的アプローチに関する論文が挙げられる。

※ 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: Liane Galanti, Dhruv Shah, Tri Dao

分類: cs.RO

原文アブストラクト

General-purpose robots need to reason about their actions, combining perception, world knowledge, planning, success detection, recovery, and low-level control. Today's state-of-the-art models attempt to combine all these capabilities into the learned policy via large-scale pre-training. Instead, we show that these capabilities can be decomposed into a general language-conditioned policy/control agent and a high-level agent manager/orchestrator. Rather than training policies to reason via pre-training, we build a closed-loop physical agent orchestrator that can do high-level planning, decompose the goal into achievable subgoals, command low-level motor commands, track and verify the outcome from low-level observations, and recover from failures. Our Physical Agency orchestrator (Pigey) can control existing vision-language-action (VLA) policies as well as parametrized skills to solve complex reasoning tasks in the real world, without any additional data collection or post-training. We evaluate Pigey extensively across simulation benchmarks and challenging real-world robotic manipulation tasks, and demonstrate significant performance improvements over existing generalist policies. On LIBERO-PRO, Pigey advances the state-of-the-art by over 4x (12.8% -> 53.3%) with no task-specific fine-tuning. On a real robot, Pigey lifts the frozen policy from near-zero to over 90% on reasoning-limited tasks. We call the difference between what frozen motor skills achieve alone and inside the agentic loop the orchestration gap.

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

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