何が起きたか
論文「LieSpline-DP: Lie-Group B-Spline Diffusion Policy for Smooth Robot Manipulation」が2026-09-14にarxiv.orgで公開された。ロボット操作向けのLearning from Demonstration手法であるDiffusion Policyに対し、LieSpline-DPはSE(3)上でエンドエフェクタ軌道を直接生成し、隣接する計画の境界制御姿勢を共有することで全体のC2連続性を保つとした。実機3課題で評価し、基準手法より軌道ジャークを下げ、タスク成功率を上回ったとしている。
詳細
同論文は、従来のスプライン型手法について、個々のアクション区間内では滑らかな運動を促しても、区間をまたいだC2連続性やSE(3)の群構造を十分に扱えない点を問題視した。そのうえで、Lie-group B-spline diffusion policyとしてLieSpline-DPを提案し、連続する計画を境界制御姿勢の共有で接続する設計を示した。 著者らによると、実機実験では3つのロボット課題を対象とし、液体や柔軟物を含む作業で効果が大きかった。具体的には、pouringとbucket hookingで成功率100%を記録し、Diffusion Policy基準はそれぞれ10%、30%だったとしている。
Key Facts
| LieSpline-DPは、SE(3)上でエンドエフェクタ軌道を直接生成するLie-group B-spline diffusion policyである。 | [1] |
| 連続する計画は境界制御姿勢を共有する設計で、全体としてC2連続性を確保するとしている。 | [1] |
| 比較対象はDiffusion Policy（DP）基準である。 | [1] |
| 実機ロボット実験は3つの課題で行われた。 | [1] |
| pouringとbucket hookingでは、LieSpline-DPが100%の成功率、DP基準がそれぞれ10%、30%だった。 | [1] |
本紙の見方
LieSpline-DPの新規性は、単に拡散方策で動作を出す点ではなく、SE(3)上のエンドエフェクタ軌道を直接扱い、さらに境界制御姿勢の共有で区間をまたいだC2連続性を設計に組み込んだ点にある。これは、従来のDiffusion Policyを置き換えるというより、スプライン表現の滑らかさと群構造の整合性を持ち込んだ拡張とみるのが自然である。論文が液体や柔軟物を扱う課題で効果が大きいとしたのも、この連続性が作業品質に直結しやすい領域を狙っているためと読める。 本紙の関連記事はないため、過去報道との直接比較はできないが、今回の主張は「滑らかさ」を定性的に述べる段階から、C2連続性という幾何学的条件に落とし込んだ点で一段進んでいる。Diffusion Policyは実演からの学習という枠組みを広く使える一方、実機では軌道の不連続さやジャークが残ることが課題になりやすい。LieSpline-DPはその弱点を、区間ごとの生成ではなく計画間の接続条件で補おうとしているため、操作性能だけでなく軌道品質を評価軸に含める必要がある。 業界構造への含意としては、デモデータを増やすだけでは改善しにくい領域で、表現形式そのものが性能を左右することを示した点が大きい。とくに液体や柔軟物のように、微小な姿勢変化が結果に影響しやすい作業では、成功率だけでなくジャークや連続性の指標が実装可否を左右し得る。今後確認すべき論点は、3課題以外での再現性、実機条件の違いに対する頑健性、そしてSE(3)上の表現を他の操作タスクや長い時系列計画へそのまま拡張できるかどうかである。
なぜ重要か
論文が示した100%対10%、100%対30%という実機結果は、液体や柔軟物を扱う操作で軌道の滑らかさが成功率に結びつく可能性を示す。Diffusion Policyを使う研究者やロボット操作ソフトの設計者にとっては、学習手法だけでなくSE(3)上の表現と計画接続の作り方が評価対象になる。
日本への影響
日本のロボット研究や実機検証では、把持や搬送に加え、液体・柔軟物の操作で軌道品質が問われる場面がある。今回の論文は、成功率だけでなくC2連続性やジャークを評価軸に置く必要性を示しており、操作制御や模倣学習の研究テーマ設定に影響し得る。