何が起きたか
arXivに2025年5月8日付で公開された論文(識別番号2505.04999v2)において、研究チームは「CLAM(Continuous Latent Action Models)」を発表した。これは、行動ラベルなしの観測シーケンスのみからロボット制御ポリシーを学習するフレームワークであり、連続潜在行動を自己教師ありのダイナミクス予測で推論し、タスク非依存のプレイデータを用いて行動デコーダを共同訓練する。実験では、DMControlの移動タスク、MetaWorldの操作タスク、実機のWidowXロボットタスクにおいて、従来の潜在行動ベースラインと比較して平均タスク成功率を2〜3倍改善し、専門家の行動ラベルを用いた行動クローニングに迫る性能を示した。
詳細
従来のロボット制御ポリシー学習では、テレオペレーションによる行動ラベル付きの専門家データが必要であり、収集コストが高い。本研究では、行動ラベルなしの観測シーケンスのみが利用可能で、タスク非依存のプレイデータにのみ行動が含まれる、より実用的な設定を扱う。CLAMは、連続潜在行動を導入し、自己教師ありのダイナミクス予測によって連続する観測間の潜在行動を推論する。さらに、少量のタスク非依存プレイデータを用いて行動デコーダを共同訓練することで、潜在行動を実行可能なモーターコマンドに変換する。研究チームは、連続潜在行動とこの共同訓練が高次元連続制御に不可欠であるとしている。
Key Facts
| CLAMは連続潜在行動モデルであり、行動ラベルなしの観測シーケンスからロボット制御ポリシーを学習する。 | [1] |
| CLAMは自己教師ありのダイナミクス予測を用いて、連続する観測間の連続潜在行動を推論する。 | [1] |
| CLAMは少量のタスク非依存プレイデータを用いて行動デコーダを共同訓練し、潜在行動を実行可能なモーターコマンドに変換する。 | [1] |
| DMControlの移動タスク、MetaWorldの操作タスク、実機のWidowXロボットタスクで評価された。 | [1] |
| CLAMは従来の潜在行動ベースラインと比較して、平均タスク成功率を2〜3倍改善した。 | [1] |
| CLAMは専門家の行動ラベルを用いた行動クローニングに迫る性能を示した。 | [1] |
| 論文はarXivに2025年5月8日付で公開された(識別番号2505.04999v2)。 | [1] |
| ビデオとコードはclamrobot.github.ioで公開されている。 | [1] |
なぜ重要か
この研究は、高価な行動ラベル付きデータを収集することなく、ラベルなしのデモンストレーションから効果的なロボットポリシーを学習できることを示した。実機ロボットへの展開も実証しており、ロボット学習の実用性を高める可能性がある。