日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2608.26076

リー群制約付きMeanFlowによる高速生成的把持

Fast Generative Grasping via Lie Group-Constrained MeanFlow

シェア:XThreadsFacebookLINEはてブBluesky

リー群上のMeanFlowを用いて、少数のネットワーク評価で高品質な把持を生成する手法を提案し、ACRONYMデータセットで既存手法と同等の性能を達成しつつ最大39倍の高速化を実現した。

詳しい要約

1. どんなもの?

本論文は、ロボットマニピュレーションにおける把持合成(grasp synthesis)を高速化する生成モデルを提案している。把持は多峰分布を形成するため、拡散モデルやフローベースの生成モデルが用いられるが、反復的なサンプリングが時間を要する。提案手法は、積Lie群 G = SO(3) × R^3 上のMeanFlowに基づき、代数半群の整合条件とRiemannian Conditional Flow Matchingを組み合わせることで、わずか5回以下のネットワーク評価で信頼できる把持を生成する。ACRONYMデータセットで最先端の拡散・フローモデルと同等の把持生成性能を達成しつつ、ミリ秒単位の推論遅延(最大39倍の高速化)を実現する。さらに、追加学習やドメイン適応なしで実ロボットの把持に直接適用でき、観測ノイズ下でも頑健な把持合成を示す。

2. 先行研究と比べてどこがすごい?

先行研究の拡散モデルやフローベースの生成モデルは、柔軟性と汎化性に優れるが、多段階のサンプリングが必要で時間がかかる。提案手法は、Lie群上のMeanFlowを導入し、代数半群の整合条件を課すことで、サンプリングステップ数を大幅に削減(≤5回)し、推論速度を最大39倍高速化した。また、生成性能は最先端の拡散・フローモデルと同等であり、速度と性能のトレードオフを改善している。さらに、実ロボットへの直接適用が可能で、ドメイン適応の必要性を排除している点も先行研究と異なる。

3. 技術・手法の肝は?

手法の核は、積Lie群 G = SO(3) × R^3 上のMeanFlowを利用すること。訓練目的は、代数半群の整合条件(semigroup consistency condition)とRiemannian Conditional Flow Matchingを組み合わせ、平均速度をデータ分布に固定する。これにより、少数のネットワーク評価で高品質な把持を生成できる。具体的には、Lie群上のフローを学習し、条件付け(物体点群など)に応じて把持分布を生成する。

4. どうやって有効だと検証した?

ACRONYMデータセットを用いて、提案手法の把持生成性能を最先端の拡散・フローモデルと比較し、同等の性能を達成した。また、推論遅延を測定し、最大39倍の高速化を確認した。さらに、実ロボットに追加学習やドメイン適応なしで適用し、観測ノイズ下でも頑健な把持合成ができることを実証した。

5. 議論はある?

要旨からは、提案手法の限界や潜在的な問題についての議論は不明。ただし、高速化のためにサンプリングステップ数を削減しているため、生成される把持の多様性が犠牲になる可能性が考えられるが、要旨では性能が同等とされている。また、実ロボット実験の詳細(成功率など)は要旨に明記されていない。

6. 次に読むべき論文は?

要旨で参照・比較されている研究は、拡散モデルやフローベースの生成モデル(例:Diffusion Policy、Flow Matching)が挙げられる。また、関連手法として、Lie群上の生成モデルやRiemannian Flow Matchingに関する論文が考えられる。具体的には、ACRONYMデータセットを用いた把持生成の既存研究(例:GraspNet、Contact-GraspNet)や、実ロボット把持への応用研究が次に読むべき候補となる。

※ 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: S. Talha Bukhari, Yi Wei, Ruiqi Ni, Zachary Kingston, Aniket Bera

分類: cs.RO

原文アブストラクト

Grasp synthesis is a core task in robotic manipulation, for which the solution typically forms a multimodal distribution rather than a point estimate. Generative robotic grasping aims to learn this distribution with deep generative models such as diffusion and flow-based approaches. The iterative nature of such generative models makes them flexible and generalizable; however, multi-step sampling impedes the time-critical operation required in robotics. We devise an approach to fast generative grasping based on MeanFlow on the product Lie group $\mathcal{G} = \mathrm{SO}(3) \times \mathbb{R}^3$. The training objective couples a purely algebraic semigroup consistency condition with Riemannian Conditional Flow Matching on $\mathcal{G}$ that anchors the average velocity to the data distribution. The resulting Lie Group-constrained MeanFlow formulation samples reliable grasps in $\leq 5$ network evaluations, matching the grasp generation performance of state-of-the-art diffusion and flow-based models on the ACRONYM dataset at millisecond-scale inference latency (up to $39\times$ speed-up). We further demonstrate that the approach directly translates to real-world robotic grasping without additional training or domain adaptation, exhibiting robust grasp synthesis under observation noise.

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