ノイズの出発点でロボットの動き方を選ぶ、MOSSが実機で指定動作84%を達成
同じ作業を左からも右からもこなせる生成型ロボット方策で、利用者が望むやり方を確実に指定する方法を示したプレプリントだ。再学習なしに推論時に動作を選べるため、現場で使うロボットAIに役立つ。
生成型ロボット方策は、同じ課題を複数の妥当なやり方でこなすことを学ぶ。片方のやり方の実演データが極端に多くても、利用者や上位の計画器がどのやり方を実行させるか安定して選べるのか。
拡散方策やフローマッチング方策は複数の動作を表現できるが、どれが実行されるかは無作為な抽出に任される。望むモードを言語指示などの条件として入れる一般的な方法は、データが偏ると効きにくい。ネットワークが豊富な画像情報から動作への近道を学び、弱い条件信号を無視するためだ。出発空間にガウス混合の事前分布を学ぶ方法は成分の意味が決まっておらず、対応付けに別のネットワークが要る。
モード条件付きフローマッチングは要求モードを速度場ネットワークに入力し、GMM出発分布のフローマッチングは意味ラベルなしで混合成分を学ぶ。Diffusion Policy、ACT、BETなど条件なしの方策は複数の動作を再現するが、どれが出るかを制御できない。
研究チームは、決定論的なODE輸送では動作モードごとに出発ノイズの領域がもともと分かれていることを実験と理論で示した。ただし実際には境界が入り組む。MOSSはモードごとに別のガウス分布を出発点として用意し、多峰性の強さを推定する仕組みで、今の状態から先の軌道がどれだけ分かれるかを測る。動きが似ている区間では出発分布を寄せ、分岐点の近くでは離す。モードのラベルは出発分布を選ぶだけで、共有の速度場には入らない。運用時は該当する成分から抽出するだけで動作が決まる。
Galaxea R1 Liteを使った実機3課題（カップを置く、野菜をつかむ、引き出しを開ける）で、MOSSの2モードの指定率はそれぞれ0.95と1.00、0.80と0.65、0.90と0.75だった。モード条件付き方策は野菜と引き出しの課題でそれぞれ一方のモードが0.00だった。6つの値をMEKAWIREが平均すると84.2%対40.8%で、論文の43.3ポイント差と一致する。実機の平均成功率は85.3%で、モード条件付き方策の73.3%、通常のFM-DiTの68.3%を上回ったが、引き出し課題では比較方策が0.85でMOSS（0.83）をわずかに上回った。2モードのシミュレーション4課題の平均指定率は96.4%で、モード条件付き94.5%、GMM出発分布74.0%を上回った。Put Wineの一方のモードでは0.86と比較方策（0.94）に劣った。10対90に偏ったデータでも少数側のモードを90%超の割合で実行した。3課題の切り分け実験では、共有のガウス分布1つで平均67.0%、固定の分離で85.5%、MOSS全体で98.8%だった。
プレプリントである。モードは学習前に決めた固定の離散集合でなければならず、自由な動作指定や連続的な変化には対応しない。著者らは大規模な生成型ロボット方策での性能は未検証としている。実機実験は1機種、2モードの3課題に限られる。シミュレーションでは通常のモード条件付き方式との差は平均約2ポイントと小さく、利点は主に実機と偏ったデータで現れるが、その根拠となる課題数は少ない。
フローマッチングはPhysical Intelligenceのpi0系や多くのヒューマノイド、双腕ロボットで動作を生成する方式で、再学習なしに推論時に動作を選べる安価な方法は、作業者の好みや安全上の制約、上位計画器の指示を反映すべき現場に意味がある。狭いセルで接近方向を片側に固定する場合などだ。熟練者の実演に偏りが出やすい国内工場の模倣学習でも、少数の動作を生かす手段として参考になる。研究用の構成ではすぐ試せるが、大型VLAモデルでの検証には1年以上かかりそうだ。
この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。