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。
Vision-Language Models (VLMs) and world models have demonstrated strong capabilities in semantic understanding and future scene evolution for autonomous driving. However, effectively integrating both capabilities for trajectory generation remains challenging.
The fidelity of teleoperated demonstrations used for imitation learning is determined by how faithfully a robot hand can replicate the operator's posture. The posture retargeting law that the robot will execute is typically selected only once the hardware has been finalized, and conventional hand designs often neglect human-like grasping postures.
Policies trained offline from teleoperated demonstrations can degrade outside their training distribution. This gap is particularly acute in long-horizon whole-body mobile manipulation, where long horizons amplify compounding errors and coordinated arm, torso, and base motion makes exhaustive demonstration coverage impractical.
Imitation learning typically treats every demonstration state as equally important, optimizing a behavior-cloning objective uniformly across the dataset. Yet not all states are created equal: in a small number of critical states, even a slight deviation from the expert action can lead to a failure, while in many other states such errors are recoverable and inconsequential.
Robot manipulation policies trained through imitation learning commonly rely on costly demonstrations recorded in one task direction and at one temporal resolution. We propose Reversal and Stride-based Trajectory Augmentation (RESTA), which exploits time-scaling data augmentation to improve data efficiency through trajectory reversal and temporal resampling.
Long-horizon robotic manipulation is inherently composed of semantically meaningful sub-tasks. While Movement Primitives (MPs) can model these components, their composition typically relies on manual engineering or sample-inefficient reinforcement learning.
Generalist robot policies are trained with imitation learning and are bounded by the quality and coverage of their demonstrations. Reinforcement learning can improve and extend them, either by fine-tuning the policy weights or by training a small module to steer the input noise of a frozen generative policy.
中国の人型ロボット企業ギャルボット（Galbot）と中国科学院などの研究チームは、動画生成をベースにしたロボットの頭脳にどの既製画像エンコーダを加えると信頼性が上がるかを比較したプレプリントを公開し、強力な汎用エンコーダ1つで改善の大半が得られると結論づけた。これを基にした構成は人型ロボットの卓上作業ベンチマークRoboCasa GR1で84.7%の最高値を記録し、ギャルボット実機の3課題で成功率をそれぞれ10ポイント引き上げた。
AdaTempoは、複数の遠隔操作デモに共通する相対的な速さの分布を教師信号として、模倣学習ポリシーの実行を加速するオフライン手法である。デモを位相整合し、相対テンポの合意を連続的な加速プロファイルへ変換して学習軌道を再サンプリングする。シミュレーション5タスクと実機6タスクで最大3.57倍の高速化を達成し、成功率と速度のトレードオフを改善した。本論文はプレプリントである。
本研究は、視覚と触覚を球面表現に統合したワークスペース等変拡散ポリシーVISTAを提案した。8つのシミュレーションタスクで50デモのみから平均80.9%の成功率を達成し、最強ベースラインであるEquiDiff+Tacを15.9ポイント上回った。本論文はプレプリントである。
本論文は、人間の手先軌道を離散的なサブムーブメント（運動プリミティブ）へ分解する手法Sub-IDを提案したプレプリントである。時空間カーネル相関を識別可能性の指標として適応リッジ正則化に組み込み、合成データのK=3、8、15で既存手法が失敗する状況でも真のパラメータ分布を再現し、原理的に分解不能な領域では曖昧さを明示的に検出した。これにより長時間の3次元動作からもサブムーブメントを抽出でき、運動制御研究や模倣学習への応用が期待される。
ロボット企業のMagicLabは、行動を選びながら3次元シーンがどう動き、行動後にどうなるべきかを同時に予測する34億パラメーターのロボットモデルMagic-W0をプレプリントで公開した。10月3日の改訂版ではRoboDojo-Simの順位表で平均36.75点の首位に立ったが2位との差は0.48点にとどまり、実機5タスクではPhysical Intelligenceのπ0.5を94.6%対91.8%で上回った。
ロボットAIモデルは先の動作をひとまとまりで予測するが、そのうち何ステップを実行してから周囲を見直すかは、これまで技術者が固定値で決めることが多かった。清華大学や北京智源人工知能研究院（BAAI）などによる今回のプレプリントは、この値を動作中に自動で選ぶ追加モジュールを示し、Physical IntelligenceとNVIDIAの既存モデルを再学習せずに、シミュレーションと実機の双腕ロボットで成功率を高めた。
Robot policies are frequently trained from human corrections, yet teleoperating a robot to provide corrections is burdensome, and human demonstrators are not always optimal. We propose Blended DAgger (BlenDAgger), an approach for collecting data to train imitation learning policies by using shared control to blend the policy's and demonstrator's actions during interventions.
While contact-rich manipulation requires deliberate regulation of interaction forces, recent approaches to robot manipulation learning predominantly represent actions as target positions or poses. Even methods that incorporate force sensing either use it solely as an observation or, when predicting forces as part of the output, rely on a hybrid force controller.
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。