日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
操作プランニングarXiv:2608.15863v1

データ合成と統合プランニングによるマニュアル基盤の家電操作のスケーリング

Scaling Manual-Grounded Appliance Manipulation with Data Synthesis and Unified Planning

シェア:XThreadsFacebookLINEはてブBluesky

家電のマニュアルから部品接地・長期プランニング・閉ループ回復データを自動生成するパイプラインMAGEと、それを用いた大規模データセットUseAppliance、およびエンドツーエンドモデルAppliancePlanを提案し、実ロボットで有効性を実証した。

詳しい要約

1. どんなもの?

本論文は、家電操作のための長期的なプランニングを実現するために、大規模なデータ合成パイプラインMAGEと、それに基づくエンドツーエンドモデルAppliancePlanを提案している。MAGEは、家電のマニュアルから部品の接地、長期的なプランニング、閉ループ回復データを自動生成する。これにより、22カテゴリの家電、89K以上の部品アノテーション、53K以上の操作タスク、33K以上の閉ループ調整ステップを含む、初の大規模データセットUseApplianceを構築した。AppliancePlanは、このデータセットを用いて訓練され、実世界のベンチマークRealAppliance-Benchで評価されている。

2. 先行研究と比べてどこがすごい?

既存の大規模モデルは、家電操作に必要な状態依存で外乱に頑健な長期的プランニングができない。その理由として、多様でタスク指向のデータセットが不足していることが挙げられる。本手法は、マニュアルから自動的にデータを合成することで、人手によるアノテーションに頼らずに大規模なデータセットを構築できる点が新しい。また、7Bパラメータのモデルで、オープンループプランニングにおいて最良のベースラインを10倍以上上回る性能を達成しており、既存の大規模モデルを凌駕している。

3. 技術・手法の肝は?

手法の核は、階層的家電グラフ(HAG)を導入したデータ合成パイプラインMAGEである。HAGは、家電のマニュアルから部品の接地、操作手順、閉ループ回復情報を構造化して抽出する。これにより、多様な操作タスクと調整ステップを自動生成できる。さらに、生成されたデータを用いて、マニュアル接地の操作プランニングのためのエンドツーエンドモデルAppliancePlanを訓練する。AppliancePlanは、視覚と言語の入力から直接プランを出力する。

4. どうやって有効だと検証した?

RealAppliance-Benchという実世界のベンチマークで評価し、オープンループプランニングとクローズドループ調整の両方で、最先端モデルを一貫して上回ることを示した。特に、7BパラメータのAppliancePlanは、オープンループプランニングで最良のベースラインを10倍以上上回った。さらに、6種類の家庭用家電を用いた実ロボット実験でも、シミュレーションから実世界への転移が有効であることを確認した。

5. 議論はある?

要旨からは、議論の詳細は不明である。ただし、データ合成に依存しているため、合成データと実データの分布のずれが性能に影響する可能性や、マニュアルに依存するため、マニュアルが存在しない家電には適用できない可能性が考えられる。また、実ロボット実験は6種類の家電に限られており、より多様な家電での検証が必要かもしれない。

6. 次に読むべき論文は?

要旨で参照されている研究や関連手法としては、データ合成パイプライン、階層的プランニング、閉ループ制御、シミュレーションから実世界への転移学習などが挙げられる。具体的には、大規模言語モデルを用いたプランニング、視覚言語モデル、ロボット操作のためのデータセット構築手法などが関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yuxing Long, Lei Kang, Ziyan Yu, Yuzheng Gao, Bin Cheng, Jiyao Zhang, Xiaoqi Li, Haolin Yang, Dongjiang Li, Hui Shen, Hao Dong

分類: cs.RO, cs.AI, cs.CL, cs.CV, cs.MM

原文アブストラクト

Operating household appliances requires long-horizon planning that is state-dependent and robust to disturbances, yet existing large models fall short, as no sufficiently diverse, task-oriented dataset exists to support such planning. To bridge this gap, we propose MAGE, a scalable data synthesis pipeline that introduces a novel Hierarchical Appliance Graph (HAG) to automatically generate part grounding, long-horizon planning, and closed-loop recovery data from appliance manuals. With MAGE, we build UseAppliance, the first large-scale dataset for manual-grounded appliance manipulation planning, spanning 22 appliance categories with 89K+ part annotations, 53K+ manipulation tasks, and 33K+ closed-loop adjustment steps. Built on UseAppliance, we develop AppliancePlan, an end-to-end model for manual-grounded appliance manipulation planning. On RealAppliance-Bench, AppliancePlan with only 7B parameters achieves over 10x the best baseline on open-loop planning and consistently outperforms state-of-the-art models across all tasks. Real-robot experiments on six household appliances further confirm effective sim-to-real transfer, marking an important step toward general-purpose household robotics.