ロボット

627件
arXiv cs.AI ★4 ロボット EN

連続強化学習のための演算子ガイド不変性学習

要約を読む要約を閉じる
📰ニュース

連続強化学習において、価値を保持する構造を自動で発見し、学習効率と安定性を向上させる新手法が提案されました。

🔍注目ポイント

Lie群作用とプルバック演算子を用いて、価値関数を保存する非線形変換を特定し、データ効率とロバスト性を高めます。

🔮これからどうなる

複雑な連続制御タスクにおけるAIの学習速度と信頼性が向上し、ロボット制御や自動運転などの実用化が加速する可能性があります。

VPSD-RL(Value-Preserving Structure Discovery for Reinforcement Learning)と名付けられたこの手法は、連続強化学習を制御された拡散過程としてモデル化します。
ハミルトン・ヤコビ・ベルマン方程式の不一致が小さい場合に、厳密な保証付きで近似的な価値保存構造を発見できることを示しています。
これにより、既存手法が対応できなかったより一般的な構造の発見が可能になります。
arXiv cs.AI ★3 ロボット EN

協調性が重要:協調型マルチエージェント強化学習の評価

要約を読む要約を閉じる
📰ニュース

協調型マルチエージェント強化学習の評価において、単なる結果だけでなく、エージェント間の協調メカニズムを分析する新しい視点が提案されました。

🔍注目ポイント

STATというテストベッドを用いて、エージェントの冗長な割り当てやタスク完了効率など、プロセスレベルの診断で協調性を評価する手法を確立しました。

🔮これからどうなる

より効率的でロバストなマルチエージェントシステムの開発が促進され、物流やロボット協調作業などの実世界応用が進展する可能性があります。

従来の評価指標は成功率や完了時間など集計結果に偏っていましたが、本研究はエージェントがどのように協調しているかに着目しました。
STATテストベッドは、エージェント数やタスク数を系統的に変化させながら、観察アクセスやタスクルールを固定することで、協調メカニズムの違いを明確にしました。
これにより、類似した結果でも異なる協調戦略が背景にあることを示しています。
arXiv cs.AI ★3 ロボット EN

マルチエージェント強化学習によるクロスモーダルナビゲーション

要約を読む要約を閉じる
📰ニュース

複数の感覚モダリティを統合するマルチエージェント強化学習フレームワーク「CRONA」が提案されました。

🔍注目ポイント

軽量なモダリティ特化型エージェントが協調し、集中型クリティックと補助信念を活用してナビゲーション性能を向上させます。

🔮これからどうなる

ロボットや自動運転システムが、より複雑で多様な環境でロバストなナビゲーションを実現できるようになります。

CRONAは、視覚と聴覚などの異なる感覚情報を扱うエージェントが連携することで、単一エージェントよりも優れたナビゲーション性能と効率を示しました。
特に、大規模で複雑な環境では、より豊富な多モーダル知覚とモデル容量が必要であることが実験で明らかになっています。
arXiv cs.AI ★4 ロボット EN

視覚的ポイントゴールナビゲーションのための効率的な昆虫着想アプローチ

要約を読む要約を閉じる
📰ニュース

昆虫の脳構造に着想を得たモデルが、視覚的ポイントゴールナビゲーションで高い性能を示しました。

🔍注目ポイント

昆虫の連想学習と経路統合を抽象化したモデルにより、計算コストを大幅に削減しつつ高精度を実現しました。

🔮これからどうなる

低コストで高精度なナビゲーション技術が、ロボットや自動運転車の開発を加速させる可能性があります。

この研究は、昆虫が障害物を避けながら餌場と巣の間を移動する能力を、Habitatポイントゴールナビゲーションタスクに適用しました。
最先端モデルと比較して、計算コストが桁違いに少ないにもかかわらず同等の性能を発揮し、現実的なシミュレーション環境での堅牢性も確認されました。
arXiv cs.AI ★4 ロボット EN

教師なし視覚トレースからリフトされた行動モデルを学習

要約を読む要約を閉じる
📰ニュース

AIが行動モデルを、行動の観察なしに視覚情報のみから学習す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

深層学習と混合整数線形計画法(MILP)を組み合わせ、予測の崩壊を防ぎ、論理的に一貫した行動モデルを構築します。

🔮これからどうなる

ロボットが複雑な環境で自律的に行動計画を立てる能力が向上し、より多様なタスクに対応できるようになります。

本研究は、状態画像シーケンスから行動モデルを学習するという、より困難な設定に挑戦しています。
提案されたフレームワークは、状態予測、行動予測、およびリフトされた行動モデルを共同で学習します。
MILPは、予測された状態、行動、および行動モデルから論理的に一貫した解を導き出し、モデルが局所最適解に陥るのを防ぎます。
arXiv cs.AI ★4 ロボット EN

証明可能な安全性を備えた強化学習における解析的勾配の活用

要約を読む要約を閉じる
📰ニュース

解析的勾配ベースの強化学習に、初の効果的な安全対策が開発されました。

🔍注目ポイント

微分可能な安全対策を既存手法に適応させ、解析的勾配ベースの強化学習に統合することで、安全性を確保しつつ性能を維持します。

🔮これからどうなる

自律ロボットの安全性が向上し、医療や交通など安全性が重視される分野での導入が加速するでしょう。

安全性が保証された強化学習は、自律ロボットの安全な展開に不可欠な研究分野です。
これまでサンプリングベースの強化学習には安全対策がありましたが、より少ない環境インタラクションで高性能を発揮する解析的勾配ベースの強化学習には存在しませんでした。
本研究は、このギャップを埋めるものです。
arXiv cs.AI ★4 ロボット EN

AsyncVLA:視覚言語行動モデルのための非同期フローマッチング

要約を読む要約を閉じる
📰ニュース

ロボットの行動生成において、非同期フローマッチング(AFM)を導入したAsyncVLAが開発されました。

🔍注目ポイント

行動の文脈に応じて非均一な時間スケジュールで行動トークンを生成し、自信度評価器で不正確な行動を自己修正できます。

🔮これからどうなる

ロボットがより複雑で長期間のタスクを安定して実行できるようになり、実世界での応用が加速しそうです。

従来の同期フローマッチング(SFM)は、均一な時間スケジュールに依存し、長期間のタスクで単一のエラーが連鎖する問題がありました。
AsyncVLAは、行動の文脈を考慮した非同期な行動生成と、自信度評価器による選択的な行動修正を可能にします。
SFMとAFMの両モードを単一モデルで統一的に学習する手順も提案され、KVキャッシュの利用効率も向上しています。
arXiv cs.AI ★4 ロボット EN

視覚言語行動モデルにおけるスキル知識の継続的進化

要約を読む要約を閉じる
📰ニュース

視覚言語行動(VLA)モデルが、ネットワークパラメータを増やさずに継続的にスキル知識を学習するフレームワークを開発しました。

🔍注目ポイント

既存手法と異なり、追加パラメータや外部モジュールなしで知識駆動型の継続的模倣学習を実現し、効率的な適応を可能にします。

🔮これからどうなる

ロボットが新しいタスクを効率的に学習し、多様な環境でより柔軟かつ自律的に動作できるようになるでしょう。

Stellar VLAは、タスク表現と学習された知識空間を共同で最適化することで、自己進化的な知識学習を可能にします。
知識関係とTop-K意味埋め込みに基づく知識誘導型エキスパートルーティング機構を提案し、モデルサイズを増やさずにタスク特化を実現しました。
LIBEROベンチマークで高い性能を示し、実世界の双腕ロボットでの評価でも効果的な知識転移を実証しています。
arXiv cs.AI ★4 ロボット EN

Action-to-Actionフローマッチング:ロボット制御の高速化と汎用性向上

要約を読む要約を閉じる
📰ニュース

ロボットの行動予測において、過去の自己受容感覚に基づき行動を生成する新しい手法が開発されました。

🔍注目ポイント

従来の拡散モデルと異なり、過去の行動を初期値として活用し、単一ステップでの高速な行動生成を実現します。

🔮これからどうなる

ロボットのリアルタイム制御におけるレイテンシを大幅に削減し、より滑らかで効率的な動作を可能にします。

拡散モデルは行動予測で成功を収めていますが、ノイズからのサンプリングに複数ステップを要し、リアルタイム制御のボトルネックでした。
A2Aは、過去の自己受容感覚シーケンスを高次元潜在空間に埋め込み、行動生成の開始点とすることで、反復的なノイズ除去を不要にしました。
これにより、高い訓練効率、高速な推論速度、および優れた汎化性能を示しています。
arXiv cs.AI ★4 ロボット EN

知覚型ヒューマノイドによるパルクール:モーションマッチングによる動的ヒューマンスキルの連鎖

要約を読む要約を閉じる
📰ニュース

ヒューマノイドロボットが、視覚情報に基づき複雑な障害物コースでパルクールを自律的に実行しました。

🔍注目ポイント

モーションマッチングと強化学習を組み合わせ、人間の動的な動きを模倣し、知覚に基づいた自律的な意思決定を実現しています。

🔮これからどうなる

ロボットがより複雑で動的な環境に適応できるようになり、災害救助や探索などでの活用が期待されます。

PHPフレームワークは、人間の動きをリターゲットしてモーションマッチングでスキルを構成し、それを強化学習で学習させます。
深度センサーと速度コマンドのみで、障害物の乗り越え、登る、跳び越える、転がるなどの動作を自律的に選択・実行します。
Unitree G1ロボットで、ロボットの高さの96%にあたる1.25mの障害物を登るなど、高度なパルクールスキルを実証しました。
arXiv cs.AI ★4 ロボット EN

PEPA: 個性を持つ持続的自律型エンボディードエージェント

要約を読む要約を閉じる
📰ニュース

個性を持つ自律型エージェント「PEPA」が、外部からの指示なしに目標を生成し、ロボットを自律的に行動させることに成功しました。

🔍注目ポイント

性格特性を内部的な組織原理として利用し、目標生成と行動進化を外部からの監督なしに持続させる三層認知アーキテクチャが特徴です。

🔮これからどうなる

ロボットが人間による継続的な介入なしに、動的で非構造化された環境で長期間自律的に活動できるようになります。

PEPAは、性格に合わせた目標を自律的に合成し、行動計画を立て、センサー運動相互作用で実行する三層構造です。
四足歩行ロボットに実装し、多階建てオフィスビルでユーザー要求と性格に基づく動機を調停しながら、エレベーター移動や環境探索を自律的に行いました。
5つの異なる性格プロトタイプで安定した特性に沿った行動が確認されています。
arXiv cs.AI ★4 ロボット EN

オフポリシー強化学習における批評家学習のための低ランク適応

要約を読む要約を閉じる
📰ニュース

オフポリシー強化学習において、批評家学習の過学習と不安定性を低ランク適応(LoRA)で解決する手法が提案されました。

🔍注目ポイント

LoRAを用いることで、批評家の更新を低次元部分空間に制限し、構造的正則化として機能させることで学習効率と性能を向上させます。

🔮これからどうなる

より安定した強化学習モデルの開発が可能になり、ロボット制御や自動運転など、実世界でのAI応用が加速する可能性があります。

本研究は、批評家モデルの容量を増やすと過学習や不安定性が生じるという課題に対し、LoRAを適用することで解決を図りました。
ランダムに初期化された基底行列を固定し、低ランクアダプターのみを最適化することで、更新を制約します。
SACやFastTD3などの様々なオフポリシーRLアルゴリズムで評価され、批評家損失の削減とポリシー性能の向上が確認されました。