マニピュレーション2026/8/26arXiv:2608.26076

リー群制約付きMeanFlowによる高速生成的把持

Fast Generative Grasping via Lie Group-Constrained MeanFlow

リー群上のMeanFlowを用いて、少数のネットワーク評価で高品質な把持を生成する手法を提案し、ACRONYMデータセットで既存手法と同等の性能を達成しつつ最大39倍の高速化を実現した。

詳しい要約

1. どんなもの？

本論文は、ロボットマニピュレーションにおける把持合成（grasp synthesis）を高速化する生成モデルを提案している。把持は多峰分布を形成するため、拡散モデルやフローベースの生成モデルが用いられるが、反復的なサンプリングが時間を要する。提案手法は、積Lie群 G = SO(3) × R^3 上のMeanFlowに基づき、代数半群の整合条件とRiemannian Conditional Flow Matchingを組み合わせることで、わずか5回以下のネットワーク評価で信頼できる把持を生成する。ACRONYMデータセットで最先端の拡散・フローモデルと同等の把持生成性能を達成しつつ、ミリ秒単位の推論遅延（最大39倍の高速化）を実現する。さらに、追加学習やドメイン適応なしで実ロボットの把持に直接適用でき、観測ノイズ下でも頑健な把持合成を示す。

2. 先行研究と比べてどこがすごい？

先行研究の拡散モデルやフローベースの生成モデルは、柔軟性と汎化性に優れるが、多段階のサンプリングが必要で時間がかかる。提案手法は、Lie群上のMeanFlowを導入し、代数半群の整合条件を課すことで、サンプリングステップ数を大幅に削減（≤5回）し、推論速度を最大39倍高速化した。また、生成性能は最先端の拡散・フローモデルと同等であり、速度と性能のトレードオフを改善している。さらに、実ロボットへの直接適用が可能で、ドメイン適応の必要性を排除している点も先行研究と異なる。

3. 技術・手法の肝は？

手法の核は、積Lie群 G = SO(3) × R^3 上のMeanFlowを利用すること。訓練目的は、代数半群の整合条件（semigroup consistency condition）とRiemannian Conditional Flow Matchingを組み合わせ、平均速度をデータ分布に固定する。これにより、少数のネットワーク評価で高品質な把持を生成できる。具体的には、Lie群上のフローを学習し、条件付け（物体点群など）に応じて把持分布を生成する。

4. どうやって有効だと検証した？

ACRONYMデータセットを用いて、提案手法の把持生成性能を最先端の拡散・フローモデルと比較し、同等の性能を達成した。また、推論遅延を測定し、最大39倍の高速化を確認した。さらに、実ロボットに追加学習やドメイン適応なしで適用し、観測ノイズ下でも頑健な把持合成ができることを実証した。

5. 議論はある？

要旨からは、提案手法の限界や潜在的な問題についての議論は不明。ただし、高速化のためにサンプリングステップ数を削減しているため、生成される把持の多様性が犠牲になる可能性が考えられるが、要旨では性能が同等とされている。また、実ロボット実験の詳細（成功率など）は要旨に明記されていない。

6. 次に読むべき論文は？

要旨で参照・比較されている研究は、拡散モデルやフローベースの生成モデル（例：Diffusion Policy、Flow Matching）が挙げられる。また、関連手法として、Lie群上の生成モデルやRiemannian Flow Matchingに関する論文が考えられる。具体的には、ACRONYMデータセットを用いた把持生成の既存研究（例：GraspNet、Contact-GraspNet）や、実ロボット把持への応用研究が次に読むべき候補となる。

※ 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: S. Talha Bukhari, Yi Wei, Ruiqi Ni, Zachary Kingston, Aniket Bera

分類: cs.RO

原文アブストラクト

Grasp synthesis is a core task in robotic manipulation, for which the solution typically forms a multimodal distribution rather than a point estimate. Generative robotic grasping aims to learn this distribution with deep generative models such as diffusion and flow-based approaches. The iterative nature of such generative models makes them flexible and generalizable; however, multi-step sampling impedes the time-critical operation required in robotics. We devise an approach to fast generative grasping based on MeanFlow on the product Lie group $\mathcal{G} = \mathrm{SO}(3) \times \mathbb{R}^3$. The training objective couples a purely algebraic semigroup consistency condition with Riemannian Conditional Flow Matching on $\mathcal{G}$ that anchors the average velocity to the data distribution. The resulting Lie Group-constrained MeanFlow formulation samples reliable grasps in $\leq 5$ network evaluations, matching the grasp generation performance of state-of-the-art diffusion and flow-based models on the ACRONYM dataset at millisecond-scale inference latency (up to $39\times$ speed-up). We further demonstrate that the approach directly translates to real-world robotic grasping without additional training or domain adaptation, exhibiting robust grasp synthesis under observation noise.

arXivで原文を読む →arXiv概要ページ