何が起きたか

Physical Intelligenceは、ロボットの精密な操作タスクを改善するための新しい強化学習手法「RL tokens (RLT)」を発表した。同社によると、RLTはVLA（Vision-Language-Action）モデルに特殊な出力トークンを追加し、軽量なRLポリシーとのコンパクトなインターフェースを提供する。これにより、モデル全体を微調整することなく、数時間の実世界経験でロボットの行動を適応させることができる。同社は、4つの困難な操作タスクにおいて、RLTが各タスクの最も精密な段階の速度を最大3倍に向上させ、人間の遠隔操作の速度を超えることができるとしている。

Key Facts

Physical Intelligenceは、精密な操作タスクを改善するための新しい強化学習手法「RL tokens (RLT)」を開発した。[0]
RLTはVLAモデルに特殊な出力トークンを追加し、軽量なRLポリシーとのコンパクトなインターフェースを提供する。[0]
RLTはモデル全体を微調整することなく、数時間の実世界経験でロボットの行動を適応させることができる。[0]
4つの困難な操作タスクにおいて、RLTは各タスクの最も精密な段階の速度を最大3倍に向上させた。[0]
同社は、RLTが人間の遠隔操作の速度を超えることができるとしている。[0]
同社は以前、VLAがRLを通じて経験から学習できることを示す「Recap」という手法を発表していた。[0]

なぜ重要か

この発表は、ロボットの精密な操作能力を向上させるための新しいアプローチを示すものであり、特に組み立てや工具の使用など、細かい動きが要求されるタスクでの応用が期待される。RLTはモデル全体を再学習することなく、特定のスキルの微調整を可能にするため、実運用中のロボットの適応にも役立つ可能性がある。