日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マルチエージェント協調搬送arXiv:2610.33584

異種ロボット協調搬送のための拡散ポリシー最適化HA-DiPO

HA-DiPO: Diffusion Policy Optimization for Heterogeneous Cooperative Transport

シェア:XThreadsFacebookLINEはてブBluesky

脚式ロボットなど異種エージェントが固定されていない共有荷物を協調搬送するため、チーム調整と各機体の運動制御を分離した階層型マルチエージェント強化学習フレームワークを提案し、拡散ポリシーで多様な協調行動を学習、実機実験も行った。

詳しい要約

1. どんなもの?

- 異種脚式ロボット群による協調搬送のための階層型MARLフレームワーク「HA-DiPO」 - 固定されていない共有payloadの搬送を対象 - CTDE(centralized training with decentralized execution)を採用 - 高レベル:チームレベル協調ポリシー、低レベル:embodiment別の運動ポリシー - 高レベルはdiffusion policyでマルチモーダルな協調応答を表現可能 - 実行時は各ロボットがローカル観測のみで協調コマンドを生成

2. 先行研究と比べてどこがすごい?

- 異種ロボットの協調搬送において、チーム協調とembodiment固有の運動制御を分離 - 高レベルでcentralized criticによるteam-value推定を用い、独立協調ポリシーを共同訓練 - 低レベルでembodiment固有のrobust motion policiesがコマンド追従 - 高レベルにdiffusion policiesを採用し、単一Gaussianパラメータ化より柔軟な行動分布を実現 - マルチモーダルな協調応答を表現可能 - デモンストレーション無しでreward駆動のsimulator相互作用から学習 - 実行時にpartner-state入力やロボット間メッセージを必要としない分散実行 - 具体的な先行研究名は要旨からは不明

3. 技術・手法の肝は?

- 階層型MARL:高レベル協調と低レベル運動制御を分離 - 高レベル - centralized criticがteam-value推定を算出 - 独立した協調ポリシーを共同訓練し、ロボット別action responsesを共有搬送目的に整合 - diffusion policiesにより柔軟な行動分布を表現 - 低レベル - embodiment-specific robust motion policiesが協調コマンドを追従 - 学習 - reward-drivenなsimulator相互作用のみ、デモ無し - 実行 - 各ロボットはローカルのrobot/payload観測のみ使用 - partner-stateやinter-robot messagesは不使用

4. どうやって有効だと検証した?

- Simulation比較を実施 - 評価baselinesに対し、最終平均returnとvelocity-tracking成功率が高い - velocity errorが低い - Real-world experimentsを実施 - quadrupedal-wheeled-leggedロボットとhuman-robotの協調搬送を実証 - 具体的なbaseline名、評価指標の詳細、被験ロボット台数などは要旨からは不明

5. 議論はある?

- 高レベルのdiffusion policiesが単一Gaussianより柔軟でマルチモーダル協調応答を表現できる可能性を議論 - 実行時にpartner-stateや通信無しで分散実行可能である点を主張 - 限界や失敗事例、スケーラビリティ、実機での定量的詳細は要旨からは不明 - baselineの詳細や統計的有意性の議論は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照/比較されている具体的な先行研究名は不明 - 関連手法として次を検討 - Diffusion Policy - Multi-Agent Reinforcement Learning(CTDE、centralized critic) - Heterogeneous-Agent RL - Cooperative Transport / Payload Transport - Legged Robot Locomotion Policies

※ 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: Xuebin Li, Jinpeng Xiao, Zong Chen, Pierluigi Arpenti, Bruno Siciliano, Jiebao Sun, Yiqun Li

分類: cs.RO

原文アブストラクト

Cooperative transport with heterogeneous legged robots requires coordinating different motion capabilities while supporting an unfixed shared payload. We present HA-DiPO (Heterogeneous-Agent Diffusion Policy Optimization), a hierarchical multi-agent reinforcement learning framework under centralized training with decentralized execution (CTDE). The framework decouples team-level coordination from embodiment-specific motion control: at the high level, a centralized critic uses team-value estimates to jointly train independent coordination policies, aligning robot-specific action responses with a shared transport objective; at the low level, embodiment-specific robust motion policies track the coordination commands. The high-level diffusion policies offer more flexible action distributions than single-Gaussian parameterizations, allowing potentially multimodal coordination responses to be represented. The coordination policies learn from scratch through reward-driven simulator interaction without demonstrations. At execution, each robot generates coordination commands using only local robot and payload observations, without partner-state inputs or inter-robot messages. Simulation comparisons show that HA-DiPO achieves higher final mean returns and velocity-tracking success rates, as well as lower velocity errors, than the evaluated baselines. Real-world experiments further demonstrate quadrupedal-wheeled-legged and human-robot cooperative transport.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3GXO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
  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