物体中心の拡散方策による実世界ロボットアーム模倣学習
Object-centric diffusion policies for real-world robotic-arm imitation learning
本研究では、DINOオブジェクト検出トランスフォーマーと条件付き拡散モデリングを組み合わせた(DINO + CDP)新しいフレームワークを提案し、実世界ロボットアームの模倣学習における課題に取り組む。このフレームワークは、DINOを用いて空間的に接地されたオブジェクトクエリ埋め込みを抽出し、これを拡散ベースの方策の条件付け信号として利用する。本研究の主な貢献は、シーンの複雑さ(画像エントロピーで測定)がロボット方策のパフォーマンスにどのように影響するかを体系的に定量化したことである。実験の結果、DINO + CDPは、オブジェクトレベルの安定した特徴にアクション生成を接地することで、ピクセルレベルの不確実性による標準的なピクセル中心モデルの性能低下を緩和することが示された。このアプローチは、シミュレーションや合成事前学習なしで収集された完全に実世界での操作データセットを用いて評価された。ロボットアームのバイオセルセットアップでの実験では、オブジェクトクエリで条件付けられた拡散が、タスク成功率を大幅に向上させ、より滑らかな軌道を生成し、高エントロピーの視覚入力に対して優れた堅牢性を示すことが実証された。
- DINOオブジェクト検出トランスフォーマーと条件付き拡散モデリングを組み合わせたロボットアーム模倣学習フレームワークを提案
- シミュレーションや合成事前学習なしで完全実世界データセットを用いて評価
- 高エントロピーの視覚入力に対して優れた堅牢性を示し、タスク成功率を大幅に向上
本研究は、ロボットアームの模倣学習において、DINOによるオブジェクト検出と条件付き拡散モデルを組み合わせることで、従来のピクセルベース手法より高エントロピー環境下でも堅牢な動作生成を実現した点が注目に値する。特に、シミュレーションや合成データなしに完全実世界データのみで学習・評価を行っている点が実用性を高めており、産業用ロボットやサービスロボットの制御精度向上に繋がる可能性がある。ただし、現時点では論文レベルの提案であり、製品化・商用化や企業の具体的な発表には至っていないため、長期的な技術動向として注視すべき段階である。