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:2610.18163

RESTA: 時間スケーリング拡張によるデータ効率的なロボット模倣学習

RESTA: Time-Scaling Augmentation for Data-Efficient Robot Imitation Learning

シェア:XThreadsFacebookLINEはてブBluesky

軌道の反転と時間方向のリサンプリングを組み合わせたデータ拡張手法RESTAを提案し、少ない実演データで両腕マニピュレーションの模倣学習の成功率を向上させた。

詳しい要約

1. どんなもの?

- ロボット模倣学習のデータ効率を高める時系列スケーリング拡張手法 RESTA を提案。 - 軌道反転と時間リサンプリングの2種類の拡張を組み合わせる。 - 16 の両腕マニピュレーションタスクで評価。

2. 先行研究と比べてどこがすごい?

- 従来は一方向・一時解像度で収集した高コストなデモに依存。 - RESTA は追加の環境相互作用なしで記録済みロールアウトを再利用。 - 25/50 デモで 78.4%/85.2% を達成し、2倍のデモで学習したベースラインと同等以上。

3. 技術・手法の肝は?

- 軌道反転拡張: 逆目的を持つペアタスク間でデモを反転・再ラベル付け。 - 接触を伴う操作は厳密に可逆でないため、物理対称性ではなく近似的なペアタスク事前分布として扱う。 - 時間ストライド拡張: 観測と行動のサンプリングストライドを変化させ、そのオフセットを条件付け。 - 固定またはランダムな時間スケジュールを可能にする。

4. どうやって有効だと検証した?

- 16 のペア両腕マニピュレーションタスクで実験。 - 軌道反転は低データ領域で特に有効。 - 時間ストライド拡張はランダム時間スケジュール下での成功率を改善。 - 25/50 デモで平均成功率 78.4%/85.2% を達成。

5. 議論はある?

- 接触を伴う操作の非可逆性を認め、反転を近似的な事前分布として扱う点を議論。 - 時間ストライド拡張がランダム時間スケジュールで有効であることを示す。 - データ効率改善の可能性を示すが、限界や失敗事例の詳細は要旨からは不明。

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。 - 同分野の定番として behavior cloning、imitation learning、data augmentation、trajectory augmentation に関する論文を挙げる。

※ 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: Yunpeng Jiang, Jianshu Hu, Han Fang, Zhiyuan Guan, Paul Weng, Yutong Ban

分類: cs.RO

原文アブストラクト

Robot manipulation policies trained through imitation learning commonly rely on costly demonstrations recorded in one task direction and at one temporal resolution. We propose Reversal and Stride-based Trajectory Augmentation (RESTA), which exploits time-scaling data augmentation to improve data efficiency through trajectory reversal and temporal resampling. Trajectory-reversal augmentation reverses and relabels demonstrations between paired tasks with opposite objectives, reusing recorded rollouts without additional environment interaction. Because contact-rich manipulation is not exactly reversible, we treat reversal as an approximate paired-task prior rather than a physical symmetry. Temporal-stride augmentation varies observation and action sampling strides and conditions the policy on the resulting offsets, enabling fixed or randomized temporal schedules. Experiments across 16 paired bimanual manipulation tasks show that trajectory reversal is particularly effective in the low-data regime and that temporal-stride augmentation improves success under randomized temporal schedules. With 25 and 50 independently collected demonstrations per task, RESTA achieves 78.4% and 85.2% average success, respectively, matching or exceeding baselines trained with twice as many demonstrations (77.3% and 85.4%). These results show that RESTA can improve data efficiency in robot imitation learning.

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