日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

継続学習arXiv:2610.00542

継続的模倣学習は言語に基づき続けるか?ロボットタスク保持のための言語摂動ベンチマーク

Does Continual Imitation Learning Remain Grounded? A Language-Perturbed Benchmark for Robotic Task Retention

シェア:XThreadsFacebookLINEはてブBluesky

ロボットが継続的に模倣学習する際、言語指示への理解が保たれるかを評価するベンチマークを提案し、タスク性能が高くても言語に基づく行動が損なわれることを示した。

詳しい要約

1. どんなもの?

- 継続的模倣学習(Continual Imitation Learning)において、言語指示に基づくロボットの振る舞いが学習後も維持されるかを評価するベンチマークを提案。 - LIBEROのGoal, Spatial, Object, Longスイートに対して、意味を保持する言い換えと意味を変える指示の変種を構築。 - 継続学習の各段階後にOriginalとParaphrase指示で性能を評価し、タスク能力と言語感度を分離して診断する。

2. 先行研究と比べてどこがすごい?

- 従来の継続的模倣学習はタスク性能の保持(忘却の少なさ)のみを評価していたが、本研究は言語に基づく振る舞いの維持(language grounding)を評価する点が新しい。 - 意味を保持する言い換えと意味を変える指示を用意することで、単なるタスク記憶ではなく言語理解に基づく行動かを区別できる。 - 標準的な学習・忘却指標に加え、semantic robustness, goal adaptation, language sensitivityという診断指標を導入。

3. 技術・手法の肝は?

- LIBEROのGoal, Spatial, Object, Longスイートに対して、意味を保持する言い換え(Paraphrase)と意味を変える指示(meaning-changing)の変種を構築。 - 継続学習の各段階後にOriginalとParaphrase指示でポリシーを評価し、タスク遂行能力と言語感度を分離。 - 代表的な継続的模倣学習手法を元の仮定の下で比較し、semantic robustness, goal adaptation, language sensitivityを測定。

4. どうやって有効だと検証した?

- LIBERO-Goalを中心に、継続学習の各段階後にOriginalとParaphrase指示でポリシーを評価。 - 代表的な継続的模倣学習手法を比較し、タスク能力と言語感度を分離して診断。 - 結果、強い継続学習性能が必ずしも信頼できる言語グラウンディングに結びつかないことを示した。

5. 議論はある?

- タスク性能の保持は言語に基づく振る舞いの維持を保証しない。ポリシーがシーン手がかり、物体連想、記憶したタスク構造に依存する可能性がある。 - 提案する診断は、保持されたスキルが指示に正しく導かれているかを判断するのに役立つ。 - 詳細な議論や限界については要旨からは不明。

6. 次に読むべき論文は?

- LIBERO(ベンチマーク) - 継続的模倣学習の代表的手法(具体的名称は要旨に記載なし) - 言語条件付きロボット政策のグラウンディング評価に関する研究

※ 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: Siddeshwar Raghavan, Ziqin Yuan, Fengqing Zhu, Byung-Cheol Min

分類: cs.RO

原文アブストラクト

Continual imitation learning evaluates whether a robot can learn new knowledge without forgetting previously learned skills. However, retaining task performance does not ensure the behavior remains grounded in language because policies may rely on scene cues, object associations, or memorized task structure. We introduce a benchmark protocol to study how language-guided behavior changes as robotic policies learn successive tasks. We construct meaning-preserving and meaning-changing instruction variants for the Goal, Spatial, Object, and Long suites of LIBERO. Policy experiments focus on LIBERO-Goal, evaluating Original and Paraphrase instructions after each continual-learning stage. We compare representative continual imitation learning methods under their original assumptions while separating task competence from language sensitivity. The proposed diagnostics complement standard learning and forgetting metrics by measuring semantic robustness, goal adaptation, and language sensitivity. Results show that strong continual-learning performance does not always translate to reliable language grounding, and our diagnostics help determine whether retained skills remain correctly guided by their instructions. Additional materials are available at https://sites.google.com/view/stillgrounded

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

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