ロボティクスとフィジカルAIの最新論文と、それぞれが産業にもたらす意味。
エヌビディアの研究チームは、人による実演なしに「組み立てに成功したかどうか」の信号だけで、シミュレーション上の1本のロボットアームがNIST標準組立ボードの全20課題を成功率98.2%で習得したとするプレプリントを公開した。結果はすべてシミュレーション上のもので、実機の組立ボードで同じ性能が出るかは今後の検証に委ねられている。
arXivプレプリントである。UniIntervene++はオンライン強化学習中に自律実行と軌道修正およびCodePolicyの間で制御を割り当てる介入エージェントを学習する。5つの実世界操作タスクで平均成功率89.67%、人手介入率0.77%を達成し、最良ベースラインより成功率6ポイント高く、人手介入を相対94.6%削減した。
ETH Zürichらの研究チームは、報酬が疎なゴール条件付き強化学習向けに、開始状態とゴールを双方向から拡張するカリキュラムBVERを開発した。シミュレーションの迷路、四足ロボットの箱登り、ロボットアームのリング移動で、参照軌道を使わない既存カリキュラムより速く学習し、0.7mの箱登りは参照なし手法で唯一成功した。本論文はプレプリントであり、査読済みとは報告されていない。
PROMOは、追従、安定性、エネルギー効率の3つの意味的目標を実行時の選好ベクトルで切り替えられる四足歩行ロボット用の強化学習フレームワークである。本論文はプレプリントであり、査読済み採録は報告されていない。シミュレーションでは100の選好で平均選好と目標の相関が0.843、実機のUnitree Go2ではゼロショット転送後に選好変更のみでエネルギー消費を最大30.4%、位置誤差を最大38.7%、姿勢偏差を最大59.0%削減した。
中国の研究チームが開発したColoACTは、RGB画像に相対深度と勾配ベースの疑似標高マップを加えたAction Chunking Transformer方策を自走式内視鏡ロボットBGERに統合した。摘出ブタ大腸約60cmの未見環境で直線部85.4%、湾曲部72.5%、90度ターン70%、二連屈曲60%の成功率を得た。これはプレプリントであり、弱テクスチャ下でも滑らかな連続制御を実証した点で内視鏡自律ナビゲーションの前進である。
論文は arXiv のロボティクス分野から取得しています。当社の要約が未作成の場合は、要旨の冒頭を表示します。