日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

身体計画arXiv:2608.00613

失敗から学ぶ監督信号:動的環境での長期的身体計画のためのDynamicEnvPlan

From Failures to Supervision: DynamicEnvPlan for Robust Long-Horizon Embodied Planning

シェア:XThreadsFacebookLINEはてブBluesky

環境変化や実行不確実性に対応するため、失敗を学習信号として利用し、動的環境での長期的な身体計画を改善する閉ループフレームワークを提案した。

詳しい要約

1. どんなもの?

本論文は、物理世界の動的な環境変化や実行時の不確実性に対応するための、長期的な身体性プランニング(long-horizon embodied planning)の枠組み「DynamicEnvPlan」を提案している。環境の逸脱や実行の不確実性が発生する状況下で、エージェントが計画を適応させることを目指す。具体的には、ヒューマノイドエージェント、高レベルのプリミティブスキル、構造化されたセマンティックメモリ、制御可能な摂動を用いて、動的環境での高レベルプランニングを実現する。また、プランニング、摂動、ガード付き修正の各モジュールからなるデータ合成設計により、動的な実行状態を回復指向のトレースに変換し、段階的な教師ありファインチューニング(staged supervised fine-tuning)を行うことで、プランナーが通常実行と摂動回復の両方の軌跡から学習できるようにしている。

2. 先行研究と比べてどこがすごい?

既存のembodied-taskベンチマークは、環境の逸脱や実行の不確実性による失敗を検出できるが、それらの失敗をエージェントの回復を訓練するための学習可能な信号として扱っていない点が課題である。本手法は、失敗を評価結果として扱うのではなく、回復指向のトレースを生成して教師あり学習に活用する点で新しい。また、動的環境での高レベルプランニングに特化し、ヒューマノイドエージェントやプリミティブスキル、セマンティックメモリを統合したクローズドループフレームワークを提案している点が先行研究と異なる。

3. 技術・手法の肝は?

手法の核は、動的環境でのプランニングを可能にするクローズドループフレームワークと、データ合成による学習信号の生成にある。具体的には、(1) プランニング、摂動、ガード付き修正の3モジュールからなるデータ合成パイプラインを構築し、動的な実行状態を回復指向のトレースに変換する。(2) 生成されたトレースを用いて、段階的な教師ありファインチューニング(staged supervised fine-tuning)を実施し、プランナーが通常の実行軌跡と摂動からの回復軌跡の両方から学習できるようにする。(3) ヒューマノイドエージェント、高レベルプリミティブスキル、構造化セマンティックメモリ、制御可能な摂動を統合することで、環境の逸脱や実行の不確実性に対応する。

4. どうやって有効だと検証した?

104のタスク・シーン組み合わせを用いて、i.i.d.、構成的一般化(compositional generalization)、分布外(out-of-distribution)の各設定でファインチューニングと評価を実施した。その結果、ベースプランナーの成功率33.3%を76.2%に向上させた。さらに、安全性やアフォーダンス遵守を含む物理世界インタラクションに重要な7つの評価指標すべてで改善が見られた。

5. 議論はある?

要旨からは、提案手法の限界や特定の議論についての詳細は不明である。ただし、動的環境でのプランニングは複雑であり、提案するデータ合成とファインチューニングのアプローチが、実際の物理世界の多様な状況にどの程度一般化するかはさらなる検証が必要と考えられる。また、成功率の向上は示されたが、他の指標とのトレードオフや、より複雑な環境での性能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先行研究や関連手法は明示されていないが、同分野の定番として、embodied task planning、closed-loop planning、supervised fine-tuning、humanoid agents、semantic memory、perturbation-based data augmentationなどの研究が関連する。具体的には、Embodied AIベンチマーク(例:ALFRED、VirtualHome)や、計画のための大規模言語モデル(LLM)を利用した手法、強化学習による適応的プランニングなどが挙げられる。

※ 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: Hao Yuan, Yuxin Wang, Lei Ji, Zhiwei Yu

分類: cs.RO

原文アブストラクト

Physical-world interaction is inherently dynamic, as environments can evolve during execution, requiring agents to adapt their plans under non-stationary conditions. We study this challenge through long-horizon embodied planning under environment deviations and execution uncertainty. Existing embodied-task benchmarks can expose such failures, but these failures are usually treated as evaluation outcomes instead of learnable signals for training agents to recover. In this work, we introduce DynamicEnvPlan, a closed-loop framework for high-level planning in dynamic environments. It extends embodied task execution with humanoid agents, high-level primitive skills, structured semantic memory, and controllable perturbations. Our data synthesis design consists of planning, perturbation, and guarded correction modules that turn dynamic execution states into recovery-oriented traces. The resulting traces are used for staged supervised fine-tuning, enabling the planner to learn from both nominal execution and perturbed recovery trajectories. Using 104 task-scene combinations spanning i.i.d., compositional generalization, and out-of-distribution settings for fine-tuning and evaluation, DynamicEnvPlan boosts success rate from 33.3% for the base planner to 76.2%, while improving across all seven evaluation metrics critical to physical-world interaction, including safety and affordance compliance.

  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI