MEKAWIRE
中級arXiv

低価格アームで4方式比較 示範12〜25件はpi0.5、100件ではACTが40回中37回成功

Simon Cowling
30秒で読む

プレプリント。実機1340回の評価で、示範12〜25件ではpi0.5、100件以上ではACTが優位。pi0.5の成功率は微調整方法で4%と65%に分かれた。

研究課題

低価格アームに新しいピックアンドプレース作業を教える際、広く使われる模倣学習の4方式のどれを選び、遠隔操作の示範を何件集めるべきか。

問題

ACT、Diffusion Policy、SmolVLA、pi0.5はそれぞれ異なるロボット、作業、データ量で発表され、結果を直接比べられない。最近の低価格アームのベンチマークも1つのデータ量か、1モデル20回前後の試行にとどまり、本当の差とばらつきを区別しにくい。

従来の手法

従来の比較は1つか少数の示範数で少ない試行しか行わず、同じチェックポイントが同じ配置で異なる結果を出す頻度や、人の採点が映像と食い違う頻度をほとんど報告していない。

新しい手法

著者は妨害物2個を置いたピックアンドプレース作業の示範225件を遠隔操作で収録し、12、25、50、100、200件の入れ子のサブセット(25件は検証用に保留)を作成。4方式をLeRobotで方式ごとにほぼ既定の固定レシピと複数シードで学習し、固定した10カ所の物体配置で30秒制限のもと実行した。17日間で126ブロック1340回を採点し、関節状態、指令、カメラ映像を全て記録して失敗段階の分類、再試験、採点監査を行った。

結果

ACTは示範12件で40回中1回の成功から100件で37回に伸びた。アクションエキスパートを微調整したpi0.5は12件で16回、25件で28回成功し、その後は約70%で推移した。100件以上ではACTが上回ったが、差は確定していない。SmolVLAとDiffusion Policyの最高は約50%。SmolVLAは試行の47%でアームが全く動き出さず、Diffusion Policyは示範冒頭の静止区間を削るまでほとんど動かなかった。pi0.5はLoRAで110回中4回、アクションエキスパートの微調整で200回中130回成功し、4%対65%となった。

限界

1つの作業、1台のアーム、1つの作業空間によるプレプリントで、著者も出発点と位置づける。学習の長さを方式ごとに固定しデータ量に応じて増やしていないため、pi0.5の25件以降とACTの100件以降の頭打ちが上限か学習不足かは判別できない。本実験は収録時(約500ルクス)より暗い117〜394ルクスで行われた。所属機関の記載はなく、配置10カ所のため高データ域の小さな差は誤差の範囲内だ。

産業への影響

人手不足を背景にロボット導入を急ぐ日本の製造、物流現場やSIerが試験導入前に抱く問い、すなわち示範を増やすか基盤モデルから始めるかに対する実測の答えだ。示範が少なく高価な場合は事前学習VLAが有利で、100件程度なら安価な小型モデルが追いつく。微調整方法による4%と65%の差は公開VLAの重みを使うチームへの警告であり、アームが動き出さない失敗はモデル規模よりデータ整備の問題を示す。現在のハードウェアですぐ使える知見である。

論文全文

CC BY 4.0 のもとで公開された論文です。全文は出典を明記して英語のまま転載しています:全文を読む(英語)。原文は arXiv:2610.37170(PDF)。