日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

模倣学習arXiv:2610.15639

離散的・リズミックなプリミティブ合成による模倣学習

Imitation Learning via Discrete and Rhythmic Primitive Composition

シェア:XThreadsFacebookLINEはてブBluesky

生の軌道データのみから動的運動プリミティブ(DMP)を教師あり学習で合成するNeural Dynamic Compositionを提案し、離散的・リズミックな動きを統一的に扱えるようにした。

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を意味のあるサブタスクに分解し、Movement Primitives (MPs) でモデル化する研究。 - 既存のMP合成は手動設計やサンプル非効率な強化学習に依存。 - 教師あり学習ではMPラベル不足や離散・リズム運動の一般化が課題。 - 提案手法 Neural Dynamic Composition (NDC) は、各プリミティブの1例だけ与えられた生の軌道から Dynamic Movement Primitives (DMPs) を合成する教師ありフレームワーク。 - 離散運動とリズム運動を単一フレームワークで統合。

2. 先行研究と比べてどこがすごい?

- 従来のMP合成は手動設計やサンプル非効率な強化学習に依存していた。 - 既存の教師あり手法は標準データセットにMPラベルがなく、離散・リズム運動への一般化が不十分。 - NDCは生の軌道のみを教師信号とし、各プリミティブの1例から学習可能。 - 離散運動とリズム運動を一つの枠組みで扱える点が新しい。 - 2D手書きと3Dロボットタスクでほとんどのタスクと指標でベースラインを上回る。

3. 技術・手法の肝は?

- DMPsの並列結合をカテゴリカルなプリミティブ選択の微分可能な緩和として利用。 - warp-invariant損失を導入し、空間的・時間的変動があってもプリミティブを同定。 - 段階的学習カリキュラムで選択ポリシーとDMPパラメータを学習。 - 離散運動とリズム運動を単一フレームワークで統合。 - 生の軌道のみを教師信号とし、各プリミティブの1例から学習。

4. どうやって有効だと検証した?

- 2D手書きタスクと3Dロボットタスクで評価。 - ほとんどのタスクと指標でベースラインを上回る性能を確認。 - アブレーション研究により各設計選択の寄与を検証。

5. 議論はある?

- アブレーション研究で各設計選択の寄与を分析。 - 離散運動とリズム運動の統合フレームワークの有効性を示す。 - 限界や今後の課題についての具体的な議論は要旨からは不明。

6. 次に読むべき論文は?

- Dynamic Movement Primitives (DMPs) に関する基礎論文。 - Movement Primitives (MPs) の合成に関する研究。 - 模倣学習 (Imitation Learning) の一般的な手法。 - 強化学習によるMP合成の研究。 - 教師あり学習によるMPラベリングの研究。

※ 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: Rafid Saif, Auke Ijspeert, Hsiu-Chin Lin

分類: cs.RO

原文アブストラクト

Long-horizon robotic manipulation is inherently composed of semantically meaningful sub-tasks. While Movement Primitives (MPs) can model these components, their composition typically relies on manual engineering or sample-inefficient reinforcement learning. Existing supervised methods are limited by the lack of MP labels in standard datasets and often fail to generalize across discrete and rhythmic movements. We propose Neural Dynamic Composition (NDC), a supervised framework to compose Dynamic Movement Primitives (DMPs) using only raw trajectories for supervision, given a single example of each primitive. Our approach exploits parallel combinations of DMPs as a differentiable relaxation of categorical primitive selection, and utilizes a warp-invariant loss formulation to identify primitives despite spatial or temporal variations. A staged training curriculum is employed to learn the selection policy and DMP parameters, unifying discrete and rhythmic movements in one framework. Evaluated on 2D handwriting and 3D robotic tasks, our method outperforms baselines on most tasks and metrics. An ablation study demonstrates how each design choice contributes to the system's performance.

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