日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2609.39685

RoboCoach: 世界モデルを能動的コーチとして用いた構成可能なロボットスキルの改善

RoboCoach: World Models as Active Coaches for Compositional Robot Skills

シェア:XThreadsFacebookLINEはてブBluesky

世界モデル内で想像した失敗を診断し、次に教えるべきサブタスクと更新すべき専門家を選ぶことで、少ない実演データで長期的なロボット操作スキルの組み合わせを効率的に改善するフレームワークを提案。

詳しい要約

1. どんなもの？

- 長期的なロボットマニピュレーションにおけるスキルの再利用と構成を改善するためのフレームワーク - ROBOCOACH: 世界モデルを活用したコーチングフレームワーク - 想像上の失敗を利用して、次に教えるべきことと監督を適用する場所を決定 - Route-Imagine-Diagnose-Improve (RIDI) ループを採用 - 共有の行動条件付き世界モデル COACHWORLD 内でスキルエキスパートを実行 - 進捗判定器が最初に失敗したサブタスクを記録 - 記録を集約して、取得するサブタスクのデモンストレーションと更新するエキスパートアダプタを選択 - 2つのシミュレーションスイートと2つの実機プラットフォームで評価

2. 先行研究と比べてどこがすごい？

- 追加のエンドツーエンドデモンストレーションによる構成改善のコスト高を回避 - 世界モデルを能動的なコーチとして使用し、想像上の失敗を対象を絞った監督に変換 - データ予算と更新スケジュールを一致させた制御比較で、ベースラインを上回る - 150の追加サブタスクデモのみで、Frankaで13.3%から75.0%、AgileXで40.0%から83.8%に成功率が向上 - コーチされたエキスパートは4つの未見の構成に転移し、平均成功率35.0%を達成（均一に取得したデモで更新された共有ポリシーベースラインは0%）

3. 技術・手法の肝は？

- Route-Imagine-Diagnose-Improve (RIDI) ループ - 共有の行動条件付き世界モデル COACHWORLD 内で再利用可能なスキルエキスパートを実行 - 進捗判定器が最初に完了に失敗したサブタスクを記録 - 集約された記録に基づき、どのサブタスクのデモを取得し、どのエキスパートアダプタを更新するかを選択 - 想像上の失敗をガイドとしてデモ要求とエキスパート更新を行う

4. どうやって有効だと検証した？

- 2つのシミュレーションスイートと2つの実機プラットフォームで評価 - 22のタスク-ポリシーペアで想像と展開の成功率が相関（rho = 0.840） - データ予算と更新スケジュールを一致させた制御比較でベースラインを上回る - 150の追加サブタスクデモでFrankaとAgileXの成功率が大幅に向上 - 4つの未見の構成への転移を評価

5. 議論はある？

- 世界モデルが能動的なコーチとして機能し、想像上の失敗を対象を絞った監督に変換できることを示す - モジュラーポリシー改善のための新しいアプローチを提案 - 要旨からは、限界や今後の課題についての議論は不明

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明示されていない - 関連手法として、world models、modular policy improvement、compositional robot skills、self-improving systems などが挙げられる - 同分野の定番として、model-based reinforcement learning、hierarchical reinforcement learning、imitation learning など

※ 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: Jiajun Liu, Yifan Chen, Yichao Liu, Jiayi Zhang, Ruoqu Chen, Shaoxuan Xie, Guocai Yao, Mengdi Xu, Sen Cui, Changshui Zhang

分類: cs.RO, cs.AI

原文アブストラクト

Long-horizon robot manipulation reuses skills across many task compositions, but improving these compositions with additional end-to-end demonstrations is costly. A practical self-improving system must decide both what to teach next and where to apply that supervision. We present ROBOCOACH, a world-model-guided coaching framework that uses imagined failures to guide demonstration requests and expert updates. Its Route-Imagine-Diagnose-Improve (RIDI) loop executes reusable skill experts inside COACHWORLD, our shared action-conditioned world model, and uses a progress judge to record the first subtask that fails to complete. Aggregated records select which subtask demonstrations to acquire and which expert adapters to update. Across two simulation suites and two real-robot platforms, imagined and deployed success correlate over 22 task-policy pairs (rho = 0.840). Controlled comparisons show that our coaching method outperforms matched baselines under matched data budgets and update schedules. With only 150 additional subtask demonstrations, success rises from 13.3% to 75.0% on Franka and from 40.0% to 83.8% on AgileX. The coached experts also transfer to four held-out compositions, achieving an average success of 35.0%, compared with 0% for a shared-policy baseline updated with uniformly acquired demonstrations. Together, these results show that world models can serve as active coaches, turning imagined failures into targeted supervision for modular policy improvement. Project Page: https://robocoach-ai.github.io/

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  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
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →