日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

スキル転送arXiv:2608.10600

BooST: 意味と動作を橋渡しする効率的なスキル転送

BooST: Bridging Semantics and Motions for Efficient Skill Transfer

シェア:XThreadsFacebookLINEはてブBluesky

ロボット学習におけるスキル抽象化の課題を解決するため、意味的意図と動作ダイナミクスを統合する二段階フレームワークBooSTを提案し、シミュレーションと実機で効率的なスキル転送を実証した。

詳しい要約

1. どんなもの?

BooSTは、ロボット学習におけるスキル抽象化(skill abstraction)のための2段階フレームワークである。意味的意図(what)と運動ダイナミクス(how)を橋渡しし、タスクやドメインをまたいだ汎化、視覚的・動的摂動へのロバスト性、実用的展開に十分な効率性という3つの要件を同時に満たすことを目指す。具体的には、まずcross-modal VQ-VAEを用いて意味的意図と運動ダイナミクスの両方を捉えた統一的なスキル表現を学習し、次にその表現を軽量なポリシーに蒸留して、新しいタスクへの効率的な下流適応を可能にする。

2. 先行研究と比べてどこがすごい?

既存のスキル抽象化手法は、高レベルの意味的意図(what)または低レベルの運動ダイナミクス(how)のいずれか一方のみを捉えることが多く、その結果、不完全なスキル転移しか実現できず、下流適応に大量のドメイン内データが必要となる。BooSTは、これらを明示的に橋渡しすることで、3つの望ましい特性(汎化、ロバスト性、効率性)をすべて満たす点が優れている。

3. 技術・手法の肝は?

手法の肝は2段階フレームワークにある。第1段階では、cross-modal VQ-VAEを用いて、意味的意図と運動ダイナミクスの両方を捉える統一的なスキル表現を学習する。第2段階では、この表現を軽量なポリシーに蒸留(distill)し、新しいタスクへの効率的な下流適応を実現する。これにより、表現の豊かさと実世界展開に適した軽量性を両立している。

4. どうやって有効だと検証した?

シミュレーションと実ロボットの両方の環境で広範な実験を行い、BooSTが優れたfew-shot適応、クロスドメインスキル転移、動的視覚的妨害物に対するロバスト性を達成することを実証した。また、軽量でありながら表現力豊かな設計が実世界展開に適していることも示した。

5. 議論はある?

要旨からは、BooSTの限界や潜在的な欠点についての議論は不明である。また、他の手法との定量的な比較結果の詳細や、特定のタスクやドメインにおける失敗事例なども要旨には含まれていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、skill abstraction、cross-modal VQ-VAE、policy distillation、few-shot adaptation、cross-domain transferに関する論文が挙げられる。具体的には、VQ-VAEを用いたスキル表現学習や、意味的意図と運動ダイナミクスを分離して扱う既存手法(例えば、option-based methodsやhierarchical reinforcement learning)が関連する。

※ 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: Jusuk Lee, Daesol Cho, Jonghun Shin, Seungyeon Yoo, Jonghae Park, Taekbeom Lee, H. Jin Kim

分類: cs.RO, cs.CV, cs.LG

原文アブストラクト

Skill abstraction---the process of learning reusable and temporally extended behaviors---has emerged as a key paradigm for improving sample efficiency and generalization in robot learning. For efficient skill transfer to real robots, learned skills must generalize across tasks and domains, remain robust to visual and dynamic perturbations, and be efficient enough for practical deployment. However, existing methods typically satisfy only a subset of these properties, as they capture either high-level semantic intent (what) or low-level motion dynamics (how). This incomplete skill transfer yields weak priors for policy learning, thereby demanding substantial in-domain data for downstream adaptation. To address these challenges, we introduce BooST, a two-stage framework that explicitly bridges semantics and motions to satisfy all three desiderata. BooST first leverages a cross-modal VQ-VAE to capture both semantic intent and motion dynamics, yielding a unified skill representation. It then distills this representation into a lightweight policy for efficient downstream adaptation to new tasks. Extensive experiments across simulation and real-robot settings demonstrate that BooST achieves superior few-shot adaptation, cross-domain skill transfer, and robustness to dynamic visual distractors, while maintaining a lightweight yet expressive design suitable for real-world deployment.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI