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:2610.05755

デモンストレーションで調整するポート・ハミルトン型マニピュレーション方策の再チューニング

Demonstration-Calibrated Port-Hamiltonian Retuning for Manipulation Policies

シェア:XThreadsFacebookLINEはてブBluesky

デモからポート・ハミルトンモデルを学習し、凍結した方策の予測行動に対する努力とエネルギーを評価して、下流のインピーダンス制御器のゲインを閉形式で一度に調整するオフライン手法を提案。

詳しい要約

1. どんなもの？

- マニピュレーション政策の下流インピーダンスコントローラのゲインを、評価ロールアウトやゲイン探索なしでオフラインで導出する手法 PHRetune を提案。 - 凍結された政策に対して、デモンストレーションから port-Hamiltonian モデルを学習し、政策の予測行動に対する effort と energy を推定。 - デモ観測に政策を適用し、予測をデモ由来の effort/energy 予算と比較して、閉形式で単一のゲインスケールを導出。 - 政策や行動表現を変更せず、下流コントローラを調整。評価前にゲインを固定し、事前マニピュレータモデル、タスク報酬、政策再訓練、追加ランタイム計算を必要としない。

2. 先行研究と比べてどこがすごい？

- 従来はデータ収集から継承されたゲインを使用することが多く、経験的なゲインスイープは繰り返し評価ロールアウトを要した。 - PHRetune は評価ロールアウトやゲイン探索を必要とせず、オフラインでゲインを導出。 - 経験的ゲインスイープで得られる最高成功率に匹敵するゲインを導出し、LIBERO スイートで Diffusion Policy の成功率を最大 9.4 ポイント改善。 - 実世界の 4 タスクで、名目政策、代替ゲイン調整法、政策再訓練ベースラインを上回る。 - SmolVLA と OpenVLA-OFT でも全タスクで成功率を改善し、加速度とジャークを低減。

3. 技術・手法の肝は？

- デモンストレーションから port-Hamiltonian モデルを学習し、政策の予測行動に関連する effort と energy を推定。 - 政策を記録されたデモ観測に適用し、その予測をデモ由来の effort/energy 予算と比較。 - 比較から閉形式で単一のゲインスケールを導出し、下流コントローラを調整。 - 政策とその行動表現は保持。ゲインは評価前に固定され、事前マニピュレータモデル、タスク報酬、政策再訓練、追加ランタイム計算は不要。

4. どうやって有効だと検証した？

- LIBERO スイートで Diffusion Policy の成功率を最大 9.4 ポイント改善し、導出ゲインが経験的ゲインスイープで最高の成功率を達成。 - 実世界の 4 つのマニピュレーションタスクで、PHRetune 適用 Diffusion Policy が名目政策、代替ゲイン調整法、政策再訓練ベースラインを上回る。 - SmolVLA と OpenVLA-OFT でも全タスクで成功率を改善し、両 VLA バックボーンで加速度とジャークを低減。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- Diffusion Policy, SmolVLA, OpenVLA-OFT, LIBERO スイート, port-Hamiltonian モデル, インピーダンスコントローラ, ゲイン調整法, 政策再訓練ベースライン。

※ 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: Yulong Yang, Fan Wu, Christine Allen-Blanchette, Amit Chakraborty

分類: cs.RO, eess.SY

原文アブストラクト

Diffusion and VLA policies for manipulation are often deployed through downstream impedance controllers. The stiffness and damping gains of these controllers affect task success, yet are commonly inherited from data collection rather than selected for the deployed policy. Although empirical gain sweeps can improve performance, they require repeated evaluation rollouts. We introduce PHRetune, an offline method that derives controller gains for a frozen policy without evaluation rollouts or gain search. Our approach learns a port-Hamiltonian model from demonstrations to estimate the effort and energy associated with the policy's predicted actions. The policy is applied to recorded demonstration observations, and its predictions are assessed against demonstration-derived effort and energy budgets. From this comparison, we derive a single gain scale in closed form, adjusting the downstream controller while preserving the policy and its action representation. The gains are fixed before evaluation, without requiring a prior manipulator model, task rewards, policy retraining, or additional runtime computation. Across LIBERO suites, PHRetune improves Diffusion Policy success by up to 9.4 percentage points, with the derived gains achieving the highest observed success rates in empirical gain sweeps. On all four real-world manipulation tasks, PHRetuned Diffusion Policy outperforms the nominal policy, alternative gain-tuning methods, and a policy-retraining baseline. The same procedure improves success with SmolVLA and OpenVLA-OFT on every task, while reducing acceleration and jerk for both VLA backbones.

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

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
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 →