日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

sim2realarXiv:2610.25691

実世界蒸留による観察アライメントを用いた画像ベースマニピュレーション方策学習

ReDOA: Real-World Distillation via Observation Alignment for Image-Based Manipulation Policy Learning

シェア:XThreadsFacebookLINEはてブBluesky

シミュレーションで訓練した状態ベース教師方策を実機で実行し、その制御知識を画像ベースの生徒方策へ蒸留する枠組みを提案。観察アライメントでデータ収集と実運用間の観察ずれを解消し、人間の実演なしに効率的な実世界方策を学習できる。

詳しい要約

1. どんなもの?

- 実世界で画像ベースのマニピュレーション方策を学習するフレームワーク ReDOA を提案する研究。 - 制御学習と知覚学習を分離し、simulation で学習した state-based teacher policy を実機で実行し、その制御知識を画像ベースの student policy に蒸留する。 - 人間の専門家による demonstration を必要とせず、実世界の視覚観測を伴う成功軌道を収集する。 - 3つの non-prehensile manipulation タスク(両腕操作を含む)で実機実験を行う。

2. 先行研究と比べてどこがすごい?

- 従来の imitation learning (IL) は高コストな人間 demonstration を必要とし、simulation-based learning は dynamics や sensor observations の sim-to-real gap に脆弱という trade-off があった。 - ReDOA は人間 demonstration を必要とせず、実世界の視覚観測付きの成功軌道を収集できる点が異なる。 - 実機実験で、人間 demonstration に基づく IL および simulation 内での policy distillation の両方と比較し、タスク成功率と実行効率を併せた総合性能で上回った。

3. 技術・手法の肝は?

- state-based teacher policy を simulation で学習し、実機で実行して制御知識を得る。 - その軌道を用いて、画像ベースの student policy へ制御知識を蒸留する。 - Observation Alignment により、データ収集時と deployment 時の観測ミスマッチを解消する。 - 制御学習と知覚学習を分離する設計が肝。 - 詳細なアルゴリズムや Observation Alignment の具体的実装は要旨からは不明。

4. どうやって有効だと検証した?

- 実機ロボットで3つの non-prehensile manipulation タスク(両腕操作を含む)を実施して検証。 - タスク成功率と実行効率を併せた総合性能を、人間 demonstration に基づく IL および simulation 内の policy distillation と比較。 - その結果、ReDOA がより良い総合性能を達成したと報告。 - タスク設定や評価指標の詳細は要旨からは不明。

5. 議論はある?

- データ収集コストと実環境適応性の trade-off を、制御と知覚の分離および Observation Alignment で緩和する立場。 - 人間 demonstration 不要で実世界の視覚観測付き成功軌道を収集できる点を主張。 - 限界や失敗事例、Observation Alignment の寄与の詳細な分析は要旨からは不明。 - 3タスク・実機実験に限定した評価であり、一般化可能性については要旨からは不明。

6. 次に読むべき論文は?

- 要旨で比較対象として挙げられている imitation learning (IL) および simulation 内での policy distillation の関連研究。 - sim-to-real gap を扱う simulation-based learning の研究。 - 画像ベースのマニピュレーション方策学習および teacher-student distillation の関連手法。 - 具体的な論文名は要旨からは不明。

※ 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: Kotaro Kajitsuka, Masaki Murooka, Fumio Kanehiro

分類: cs.RO

原文アブストラクト

Data-driven learning for general-purpose robotic manipulation presents a fundamental trade-off between data-collection cost and adaptability to real-world environments. Imitation learning (IL) requires costly human demonstrations, whereas simulation-based learning is vulnerable to sim-to-real gaps in dynamics and sensor observations. We propose ReDOA (Real-World Distillation via Observation Alignment), a framework that decouples control learning from perception learning to learn image-based policies in the real world. A state-based teacher policy trained in simulation is executed on a real robot, and its control knowledge is distilled into an image-based student policy using the collected trajectories. Observation Alignment resolves observation mismatches between data collection and deployment. This framework collects successful, efficiently executed trajectories paired with real-world visual observations, without requiring demonstrations from human experts. In real-robot experiments on three non-prehensile manipulation tasks, including bimanual manipulation, our method achieves better overall performance when jointly considering task success and execution efficiency than both IL based on human demonstrations and policy distillation in simulation. https://isri-aist.github.io/redoa-project-page/

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