日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

模倣学習arXiv:2607.25731

三腕ビジュオモーター模倣学習によるロボットポリシーの獲得

Tri-Manual Visuomotor Imitation Learning of Robot Policies

シェア:XThreadsFacebookLINEはてブBluesky

三腕ロボットの模倣学習において、人間の操作者が同時に制御できるのは2腕までという制約を克服するため、デモンストレーションのタイミングを再調整する手法DATSを提案し、実世界の6タスクで有効性を示した。

詳しい要約

1. どんなもの?

本論文は、3本のアームを同時に制御するロボットシステム(tri-manual system)向けの模倣学習システム「TriManPolicy」を提案する。従来のバイマニュアル遠隔操作では、オペレータは2つの制御チャネルしか持たないため、3本のアームのデモンストレーションを同時に収集できない。TriManPolicyは、オペレータが3本のアームの動作をデモンストレーションできるようにし、その中心となるのが「Dependency-Aware Tri-Arm Scheduling (DATS)」である。DATSは、デモンストレーションの腕の動きを保持しつつ、その発生タイミングを再調整する。具体的には、固定長の局所的な感覚運動セグメントを保存し、タスクの順序と腕の使用に関する制約(人間が確認)に基づいて再配置する。これにより、3本のアームすべてに対する単一の同期ポリシーを学習する。展開時には依存関係グラフやスケジューラは不要である。

2. 先行研究と比べてどこがすごい?

先行研究のバイマニュアル遠隔操作は、オペレータとロボットの同時制御チャネル数が一致することを前提としており、tri-manualシステムには適用できない。ペアワイズのモード切り替えを用いると、独立した動作が逐次的に記録され、行動クローニングがタスクに必要な遅延ではなくインターフェースによる遅延を再現してしまう問題があった。TriManPolicyは、この問題を解決するために、デモンストレーションの動作を保持しつつタイミングのみを再調整するDATSを導入した点が新しい。これにより、単一の同期ポリシーで3本のアームを効率的に協調させることが可能となった。

3. 技術・手法の肝は?

手法の肝はDATSにある。DATSは、デモンストレーションをオフラインで再タイミングする。まず、デモンストレーションを固定長の局所的な感覚運動セグメントに分割し、各セグメントの腕の動きは保持する。次に、タスクの順序と腕の使用に関する制約(人間のレビューにより設定)に基づいて、セグメントを再配置する。これにより、インターフェースによる遅延を排除し、タスクに必要なタイミングで動作が発生するようにする。再タイミングされたデータを用いて、3本のアームすべてを同時に制御する単一のポリシーを教師あり学習で訓練する。展開時には、依存関係グラフやスケジューラは不要で、学習済みポリシーのみを使用する。

4. どうやって有効だと検証した?

実世界の6つの困難なタスクを用いて検証した。DATSで再タイミングされたデモンストレーションで訓練されたポリシーは、比較可能なタスク成功率を維持しつつ、より効率的な協調を示した。さらに、オフライン分析により、DATSは単にアイドル時間を除去するのではなく、腕間の監視信号(supervision)を変更していることを示した。

5. 議論はある?

要旨からは、DATSの制約設定における人間のレビューのコストや、タスクの複雑さに対するスケーラビリティ、また、再タイミングが動作の自然さや安全性に与える影響などについての議論は明示されていない。また、6つのタスクの具体的な内容や、比較対象のベースライン手法の詳細も不明である。

6. 次に読むべき論文は?

要旨で参照されている先行研究は明示されていないが、関連する分野として、bimanual teleoperation、behavior cloning、imitation learning、multi-arm robot control、およびタスクスケジューリングに関する研究が挙げられる。具体的には、行動クローニングの基礎研究や、マルチアームロボットの遠隔操作に関する論文を読むことが推奨される。

※ 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: James Zhao, Mingyuan Ba, Weiming Zhi

分類: cs.RO

原文アブストラクト

Bimanual teleoperation provides an effective way to collect robot demonstrations, but it assumes that the operator and robot have matching numbers of simultaneous control channels. This assumption breaks for tri-manual systems: the robot can coordinate three arms concurrently, whereas a single operator can continuously control only two. Pairwise mode switching may therefore record otherwise independent motions sequentially, causing behaviour cloning to reproduce delays imposed by the interface rather than required by the task. We present TriManPolicy, a tri-manual imitation learning system that allows one operator to demonstrate behaviours for three arms. Its central component is Dependency-Aware Tri-Arm Scheduling (DATS). The key idea is to preserve the demonstrated arm motions while reconsidering when they occur. DATS retimes demonstrations offline by preserving local sensorimotor segments of fixed duration and repositioning them according to constraints on task order and arm usage that are reviewed by a human. The resulting data train a single synchronous policy for all three arms, while deployment requires neither the dependency graph nor the scheduler. Across six challenging tasks performed in the real world, policies trained on demonstrations retimed by DATS exhibit more efficient coordination while maintaining comparable observed task success. Offline analysis further shows that DATS changes the supervision across arms rather than merely removing idle periods. Project videos and additional material are available at https://aus.bot/trimanpolicy/.

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

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