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
VLAarXiv:2610.32676

学習した速度事前分布によるロボット実演の時間再調整

Retiming Robot Demonstrations with a Learned Speed Prior

シェア:XThreadsFacebookLINEはてブBluesky

大規模実演データから速度の事前分布を学習し、タスクごとに一貫した速度で実演を再タイミングしてVLAポリシーを微調整する手法を提案。

詳しい要約

1. どんなもの？

- ロボットのデモンストレーションの実行速度（テレオペレータ依存でばらつく）を、大規模デモデータから学習した speed prior で再タイミングする手法。 - タスク指示・運動経路・経路に沿った画像を入力に、経路に沿った実行速度の分布を予測し、選んだ quantile を一貫した clock として各デモを retiming する。 - 再タイミング後のデモで vision-language-action policy を fine-tune し、実行時は real-time optimal-control 層で予測 action chunk をロボット制約下で追従させる。

2. 先行研究と比べてどこがすごい？

- 既存手法は加速対象のデータ自体から acceleration signal を導出するため、新タスクごとに fit・annotation・事前定義した rate 対が必要。 - 単一の学習済み speed prior でコーパス内の全タスクをカバーできる点が異なる。 - ロボット teleoperation データと、人間の腕が gripper を動かす handheld demonstrations の両方で speed prior を fit し、ロボットデモを handheld のペースへ retiming する点も特徴。

3. 技術・手法の肝は？

- 大規模デモデータから speed prior を学習。入力はタスク指示・運動経路・経路上の画像、出力は経路に沿った実行速度の分布。 - 分布から quantile を選び、それを一貫した clock として各デモを retiming。 - 再タイミングしたデモで vision-language-action policy を fine-tune。 - 実行時は real-time optimal-control 層が、予測された pace の下で action chunk をロボット制約下で追従。

4. どうやって有効だと検証した？

- 120 の RoboLab タスクで評価。学習した clock で fine-tune した policy は、元のタイミングで fine-tune し同一速度へ均一加速した policy より成功率が高く、jerk は最大半分。 - 実機でカップ積みを 3.50s で達成（default policy は 6.02s、1.72× 高速）し、成功率は同等で 30 試行中 29 成功。

5. 議論はある？

- デモのペースがテレオペレータ依存である問題に対し、データから速度 prior を学ぶ有効性を示唆。 - 実機での高速化と低 jerk 化、成功率維持のトレードオフに関する議論が想定されるが、要旨からは不明。 - handheld demonstrations と robot teleoperation のペース差の扱いや、quantile 選択の影響は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている既存手法（データ自体から acceleration signal を導出する手法、均一加速ベースライン） - vision-language-action policy（fine-tune 対象として言及） - real-time optimal-control 層（実行時追従として言及） - handheld demonstrations を用いた学習（関連データ源として言及）

※ 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: Seungyong Moon, Deokjae Lee, Hansang Lee, Munkhtselmeg Battsengel, Youngin Kim, Seonghyeon Yun, Sungjin Jeon, SongEun Kim, Jeongmin Park, Hyun Oh Song

分類: cs.AI, cs.RO

原文アブストラクト

The pace of a robot demonstration is often determined by the teleoperator rather than by the task itself. As a result, the same motion can appear at widely different speeds across demonstrations, and policies trained on such data may inherit operator-specific timing along with task behavior. We propose to learn a speed prior directly from large-scale demonstration data. Given a task instruction, a motion path and the images along it, it predicts a distribution over execution speed along the path, from which a chosen quantile defines a consistent clock for retiming each demonstration. Existing methods derive the acceleration signal from the very data they accelerate, so each new task costs another fit, annotation, or pair of predefined rates. A single trained speed prior instead covers every task in a corpus. We fit a speed prior on both robot teleoperation data and handheld demonstrations in which a human arm, rather than a robot arm, moves the gripper, and use it to retime robot demonstrations to the handheld pace before fine-tuning a vision-language-action policy. For execution, we pair the policy with a real-time optimal-control layer that tracks predicted action chunks under robot constraints using the predicted pace. On 120 RoboLab tasks, policies fine-tuned on our learned clocks succeed more often and move with up to half the jerk compared with policies fine-tuned on the original demonstration timing and uniformly accelerated to the same speed. On a real robot, our policy stacks cups in 3.50s, 1.72$\times$ faster than the default policy's 6.02s while succeeding as often, in 29 of 30 trials. Videos and further material are available at https://mllab.snu.ac.kr/projects/learned_speed_prior.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI