ロボット

627件
arXiv cs.AI ★3 ロボット EN

AGWM:構成的要件を持つ環境向けアフォーダンスに基づいたワールドモデル

要約を読む要約を閉じる
📰ニュース

AIエージェントが行動の実行可能性を動的に追跡する新しいワールドモデル「AGWM」が提案されました。

🔍注目ポイント

行動の前提条件をDAGで表現し、動的なアフォーダンス構造を学習することで、多段階予測の精度を向上させます。

🔮これからどうなる

より複雑な環境でAIが効果的に行動計画を立てられるようになり、ロボットやゲームAIの性能が向上するでしょう。

従来のワールドモデルは行動の前提条件を無視しがちで、特に多段階予測で誤差が蓄積する問題がありました。
AGWMは、行動が実行可能になるための前提条件を明示的に追跡することで、この問題を解決します。
ゲームベースのシミュレーション環境で、予測誤差の低減と新規構成への汎化能力の向上を示しました。
arXiv cs.AI ★3 ロボット EN

逆強化学習を用いた多目的制約推論

要約を読む要約を閉じる
📰ニュース

複数の専門家による多様な行動から、共通の制約と個別の好みを同時に推論する新しいフレームワーク「MOCI」が提案されました。

🔍注目ポイント

MOCIは、異なる目的を持つ専門家の異種混合デモンストレーションから、共通制約と個別好みを効率的に抽出できる点が技術的ポイントです。

🔮これからどうなる

AIエージェントが人間の安全基準や運用ガイドラインに沿って行動できるようになり、より安全で信頼性の高いAIシステム開発に貢献します。

従来の制約推論手法は、単一の専門家による均質なデモンストレーションを前提としていました。
MOCIは、複数の専門家が異なる目的を持つ異種混合の軌跡から学習することで、個々の好みを捉えつつ、計算効率も維持します。
これにより、現実世界の複雑な状況での制約推論と好み学習の精度と柔軟性が向上します。
arXiv cs.AI ★4 ロボット EN

事後サンプリングを用いたオフライン方策最適化

要約を読む要約を閉じる
📰ニュース

モデルベースのオフライン強化学習において、汎化性能とロバスト性の両立を目指す新しい手法「PSPO」が提案されました。

🔍注目ポイント

ベイズ推論でモデルの信頼度を定量化し、信頼できるOODデータを活用しつつ、モデルの誤用を防ぐことで汎化とロバスト性を両立します。

🔮これからどうなる

より安全で効率的なオフライン強化学習が可能になり、ロボット制御や自動運転など、実世界でのAI応用が加速するでしょう。

オフライン強化学習では、収集済みのデータのみを用いて学習するため、未知のデータ(OOD)に対する汎化性能と、モデルの誤用による性能低下を防ぐロバスト性の両立が課題でした。
従来の多くの手法はロバスト性を重視しすぎて汎化性能を犠牲にしていましたが、PSPOは事後サンプリングと制約付き方策最適化を組み合わせることでこのトレードオフを克服します。
理論的にもQ値推定の収束と方策最適化の単調改善が示されています。
arXiv cs.AI ★4 ロボット EN

確率的探索による微分可能シミュレータでのモデル駆動型方策最適化

要約を読む要約を閉じる
📰ニュース

微分可能なシミュレータにおいて、確率的探索を導入することで、方策最適化の性能を向上させる新しいフレームワークが提案されました。

🔍注目ポイント

行動空間にノイズを注入し、勾配から導かれる感度に基づいてノイズの大きさを適応的に調整することで、最適化の困難な地形を効果的に探索します。

🔮これからどうなる

ロボット制御や自動運転など、複雑なシステムにおける意思決定問題の解決精度が向上し、よりロバストなAIを開発できるようになります。

MDPO(Model-Driven Policy Optimization)は、微分可能な計画に確率的探索を導入し、行動空間にノイズを注入します。
このノイズの大きさは、軌道目的の勾配由来の感度に基づいて適応的に調整され、時間依存の探索プロファイルを生み出します。
これにより、目的関数の探索が改善され、局所最適解からの脱出を助け、非線形およびハイブリッドな設定で既存手法を上回る性能を示しました。
arXiv cs.AI ★3 ロボット EN

有限期間目標を持つ多環境POMDP

要約を読む要約を閉じる
📰ニュース

部分観測マルコフ決定過程(POMDP)の多環境版において、有限期間目標に対する最適方策と価値を計算する研究が発表されました。

🔍注目ポイント

多環境POMDPにおける最適方策計算がPSPACE完全であることを証明し、既存手法を大幅に上回る実用的なアルゴリズムを開発しました。

🔮これからどうなる

不確実な環境下での意思決定AIの性能向上に貢献し、ロボット制御や自動運転などの応用分野でより堅牢なシステムが実現する可能性があります。

POMDPは、エージェントが環境と相互作用し、現在の状態について部分的な情報しか得られないシステムです。
多環境POMDP(MEPOMDP)では、初期状態が未知であり、敵対的に選択されると仮定されます。
本研究では、このMEPOMDPにおける有限期間目標の最適価値と方策の計算に焦点を当て、その問題がPOMDPと同様にPSPACE完全であることを確立しました。
arXiv cs.AI ★4 ロボット EN

大規模マルチエージェント経路探索のための局所通信学習

要約を読む要約を閉じる
📰ニュース

複数のロボットが協調して移動する経路探索問題において、学習可能な通信モジュールを導入し、効率的な情報共有で性能を向上させました。

🔍注目ポイント

隣接エージェント間で多段階の通信を行う学習可能なモジュールを導入し、既存の学習ベース手法を上回る性能とスケーラビリティを実現しました。

🔮これからどうなる

物流倉庫や災害救助など、多数のロボットが協調する現場での効率的な運用と安全性向上に貢献するでしょう。

マルチエージェント経路探索(MAPF)は、複数のロボットが共有環境で同時に移動する軌道計画問題の抽象化です。
この問題はNP困難ですが、現実世界での応用にはスケーラブルで効率的な解法が不可欠です。
本研究では、強化学習や模倣学習に基づく既存手法に、エージェント間の協調を強化する通信モジュールを追加しました。
arXiv cs.AI ★3 ロボット EN

パス署名と動的時間伸縮を用いたオンライン目標認識

要約を読む要約を閉じる
📰ニュース

連続領域におけるオンライン目標認識の精度と効率を向上させる新しい手法が開発されました。

🔍注目ポイント

パス署名という手法で軌跡の重要な特徴を効率的に捉え、動的時間伸縮で比較することで、高い予測精度を実現します。

🔮これからどうなる

ロボットの自律行動や監視システムなど、リアルタイムで意図を推測するAIシステムの性能が向上するでしょう。

これまでの手法は、軌跡のエンコードと比較に課題がありましたが、本研究ではパス署名により軌跡のセマンティックな特徴をコンパクトに表現します。
これにより、仮説との比較がより意味のあるものとなり、予測精度とオンライン計画効率で既存手法を上回る結果を示しました。
arXiv cs.AI ★4 ロボット EN

大規模マルチエージェント協調のための交互ターゲット・パス計画

要約を読む要約を閉じる
📰ニュース

複数のエージェントが衝突せずに目標を達成する「ターゲット割り当てと経路探索(TAPF)」問題に対し、新しい反復的フレームワークが提案されました。

🔍注目ポイント

ターゲット割り当てと経路探索を分離し、現代の高速なMAPFソルバーを活用することで、従来のCBSベースの手法よりも大幅にスケーラブルな解決策を実現しました。

🔮これからどうなる

倉庫ロボットや自動運転車など、多数のAIエージェントが協調して動くシステムの効率と実用性が向上するでしょう。

従来のTAPF問題解決は、ターゲット割り当てと経路探索を密接に結合するConflict-Based Search (CBS) に依存しており、計算コストが高くスケーラビリティに課題がありました。
提案されたフレームワークは、LaCAMのような高速なMAPFソルバーを基盤とし、ボトルネックとなるエージェントを特定して割り当てを反復的に改善することで、大規模な問題に対応可能になりました。
arXiv cs.AI ★4 ロボット EN

残差潜在行動による視覚特徴ベースの世界モデル学習

要約を読む要約を閉じる
📰ニュース

視覚特徴ベースの世界モデル「RLA-WM」が、従来の画像生成モデルより高速かつ高精度な未来予測を実現しました。

🔍注目ポイント

DINO残差から学習される「残差潜在行動(RLA)」を導入し、フローマッチングでRLA値を予測することで、複雑な相互作用も正確に予測します。

🔮これからどうなる

ロボット学習の効率が大幅に向上し、オフライン動画のみでポリシー学習が可能になるため、実世界でのロボット導入が加速しそうです。

既存の世界モデルは画像生成に注力していましたが、RLA-WMは生のピクセルではなく視覚特徴を予測することで、効率性と幻覚の抑制を実現しました。
特に、行動のないデモンストレーション動画からの学習や、オフライン動画のみで視覚RLフレームワークを構築できる点が画期的です。
これにより、ロボットがより少ないデータで複雑なタスクを学習できるようになります。
arXiv cs.AI ★4 ロボット EN

安定化されたニューラルハミルトン・ヤコビ・ベルマンソルバー:誤差解析とモデルベース強化学習への応用

要約を読む要約を閉じる
📰ニュース

ニューラルネットワークを用いたハミルトン・ヤコビ・ベルマン方程式の安定化ソルバーが開発されました。

🔍注目ポイント

物理情報ニューラルネットワークと有限差分法を組み合わせ、強化学習における最適制御問題を効率的に解きます。

🔮これからどうなる

複雑な連続時間制御問題において、より安定した高精度な強化学習が可能になるでしょう。

この研究は、モデルベース強化学習におけるハミルトン・ヤコビ・ベルマン(HJB)方程式の解法に焦点を当てています。
ニューラルネットワークで価値関数を表現し、有限差分法で政策評価を行い、残差を最小化するハイブリッドな手法です。
誤差解析により、残差誤差、政策不一致、モデル同定誤差が分離され、安定性が証明されました。
LQR、アレン・カーン制御、振り子、ホッパー、3Dクアッドローターなどのベンチマークで、既存手法と比較してその有効性が示されています。
arXiv cs.AI ★4 ロボット EN

予測は可能だが計画は困難:潜在世界モデルのための到達可能性補正補助目標(RC-aux)

要約を読む要約を閉じる
📰ニュース

潜在世界モデルの計画性能を向上させるため、予測精度と計画の乖離を補正する新しい補助目標「RC-aux」が提案されました。

🔍注目ポイント

RC-auxは、多段階予測と到達可能性の教師信号を導入し、潜在空間が計画に適した時間的・幾何学的構造を持つようモデルを訓練します。

🔮これからどうなる

ロボット制御や強化学習において、より効率的で信頼性の高い計画が可能になり、複雑なタスクの達成に貢献するでしょう。

潜在世界モデルは短期予測に優れる一方、長期的な目標指向の計画には不向きな場合があります。
これは、モデルが局所的な予測で訓練されるのに対し、計画では到達可能性を考慮した潜在空間が必要となるためです。
RC-auxは、既存のモデル構造を変えずに、時間軸での多段階予測と空間軸での到達可能性の教師信号を追加することで、この乖離を解消します。
これにより、計画時に目標達成可能な経路を効率的に探索できるようになります。
arXiv cs.AI ★4 ロボット EN

Sword: VLAポリシーの事後学習のための動的潜在ブートストラップによるスタイルロバストなワールドモデルシミュレーター

要約を読む要約を閉じる
📰ニュース

VLAモデルのポリシー学習をシミュレーションで行う際、既存のワールドモデルの課題を解決する新手法「Sword」が発表されました。

🔍注目ポイント

視覚テクスチャとタスク関連ダイナミクスを分離する手法と、動的潜在ブートストラップにより、汎化性能と予測精度を向上させます。

🔮これからどうなる

ロボットが様々な環境でより効率的に学習できるようになり、実世界での応用が加速する可能性があります。

既存のワールドモデルは、色や照明などのわずかな視覚的変化に弱く、長期間のシミュレーションでエラーが蓄積し、予測の信頼性が低いという課題がありました。
Swordは、構造ガイド型スタイル拡張と動的潜在ブートストラップにより、これらの問題を克服し、LIBEROベンチマークで高い性能を示しました。