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:2610.17422

MIRROR: オフラインロボット対話データから隠れた対称性を反映する

MIRROR: Reflecting Hidden Symmetries from Offline Robot Interaction Data

シェア:XThreadsFacebookLINEはてブBluesky

オフラインのロボット操作データから、観測と行動に同時に作用する対称性変換を学習し、データ拡張や方策学習に活用するフレームワークを提案。

詳しい要約

1. どんなもの?

- オフラインのロボット相互作用データから、既知の対称性群が観測と行動にどのように作用するかを学習するフレームワーク MIRROR を提案。 - 部分的観測 Markov 決定過程 (POMDP) を対象とし、ピクセル観測における複雑な視点依存の画像変換を手作業で指定する必要をなくす。 - 学習した変換を frame-averaged behavior cloning (BC) に用いることで、4つの Robosuite 卓上操作タスクで成功率を向上。

2. 先行研究と比べてどこがすごい?

- 既存の対称性認識手法は、事前定義された変換を持つ表現に依存し、センシング設定やタスクに合わせた前処理を必要とすることが多い。 - MIRROR は、既知の対称性群が観測と行動に共同で作用する変換をオフラインデータから学習する点で異なる。 - 4つの Robosuite タスクで、4つの対称性品質指標のうち3つで最低の集約誤差を達成し、特に compatibility error を適応版 LaLiGAN ベースライン比で61%削減。

3. 技術・手法の肝は?

- 一段遷移タプルに対する敵対的タプルマッチング (adversarial tuple matching) により、観測と行動の変換を結合する。 - 群演算の公理違反にペナルティを与える明示的な群整合性正則化 (group-consistency regularization) を導入。 - これにより、POMDP における既知の対称性群の作用をオフライン相互作用データから学習する。

4. どうやって有効だと検証した?

- 4つの Robosuite 卓上操作タスクで、3つの対称性品質指標のうち3つで最低の集約誤差を達成。 - 学習した変換を frame-averaged behavior cloning (BC) に用い、4タスクすべてで vanilla BC より高い平均成功率を達成 (平均80.48%から85.12%へ、タスクあたり最大9.66ポイント向上)。 - シミュレーションで heightmap と segmentation-mask 観測を用いた対称性発見と政策訓練を繰り返し、得られた政策を実機 Kinova GEN3 アームにゼロショット展開。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- LaLiGAN (適応版ベースライン) - behavior cloning (BC) - POMDP - Robosuite - Kinova GEN3

※ 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: Shiqi Liu, Yihang Yao, Peide Huang, Mengdi Xu, Ding Zhao

分類: cs.RO

原文アブストラクト

Symmetry-aware robot policy learning requires coupled observation-action transformations. For pixel observations, even simple physical symmetries can induce complex, viewpoint-dependent image transformations that are difficult to specify by hand. Existing symmetry-aware methods often rely on representations with predefined transformations, requiring preprocessing tailored to the sensing setup and task. We introduce MIRROR, a framework that learns how a known symmetry group operates jointly on observations and actions in partially observable Markov decision processes (POMDPs) from offline interaction data. MIRROR couples these transformations through adversarial tuple matching over one-step transition tuples, while explicit group-consistency regularization penalizes violations of the group-operation axioms. On four Robosuite tabletop manipulation tasks, MIRROR achieves the lowest aggregate error on three of four symmetry-quality metrics, including a 61% reduction in compatibility error (which measures consistency under transformation composition) relative to an adapted LaLiGAN baseline. Using the learned transformations in frame-averaged behavior cloning (BC) yields higher mean success rates than vanilla BC on all four tasks, increasing average success from 80.48% to 85.12%, with per-task gains up to 9.66 percentage points. We also repeat symmetry discovery and policy training in simulation with heightmap and segmentation-mask observations, then deploy the resulting policy zero-shot on a real Kinova GEN3 arm. Project page: https://pomdp-mirror.github.io.

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