CoRE: 単一ポリシーによる分散協調マニピュレーションのための協調役割エキスパート学習
CoRE: Learning Collaboration-Role Experts for Decentralized Collaborative Manipulation with One Policy
各ロボットが同一ポリシーを視覚と固有感覚のみで実行する分散協調のため、複数タスク・複数ロボットのデモから役割特化エキスパートを学習し、局所ルーターで組み合わせる手法CoREを提案。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Yanan Zhou, Zhaoyan Qian, Zihao Li, Mingyuan Ba, Ranpeng Qiu, Weiming Zhi
分類: cs.RO
原文アブストラクト
Collaborative manipulation requires robots to perform complementary actions as interactions unfold. We study single-policy decentralized collaboration: every robot runs the same policy from its visual observations and proprioception, without task prompts, identity labels, or inter-robot messages. The challenge is to learn complementary team behaviors within shared parameters and select appropriate actions from each robot's local observations. We introduce CoRE, which learns Collaboration-Role Experts from pooled multi-task, multi-robot demonstrations. Fused appearance and geometry provide local interaction evidence. Query-conditioned cross-attention experts provide adaptable prediction paths, which a local router combines at each action-chunk position. During training, an action-expert alignment loss supervises expert selection using relative forced-route prediction errors against demonstrations under fixed inputs, without role labels. Across simulation benchmarks, CoRE achieves the highest average performance among evaluated decentralized methods. Physical experiments demonstrate effective collaboration across diverse manipulation tasks and robustness to partner delays and slowdowns. Project page: https://aus.bot/research/core/.
関連論文
- 密度関数を用いた安全なマルチロボット協調搬送マニピュレーション
- コンパクトなロボットポリシーに必要なのは細粒度の視覚表現マニピュレーション
- ずれた座標系を見抜く：視覚・力覚精密組立のための特権ノイズ蒸留マニピュレーション
- 把持後における物体再配向によるロボット挿入の運動学的修復マニピュレーション
- 未来が一致する間だけコミット：ロボットマニピュレーションのための結果認識型適応アクションチャンキングマニピュレーション
- TacZero: 触覚フィードバックと汎用視覚言語モデルによる訓練不要のペグ挿入マニピュレーション