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
模倣学習arXiv:2611.05368

GUILD: 模倣学習のための誘導型反復データ収集

GUILD: Guided Iterative Data Collection for Imitation Learning

シェア:XThreadsFacebookLINEはてブBluesky

視覚言語モデルの意味的知識と予測的データ帰属を組み合わせ、方策性能を最大化するデータを反復的に選んで収集する枠組みを提案し、実機・シミュレーションで有効性を示した。

詳しい要約

1. どんなもの？

- ロボットの模倣学習(imitation learning)向けのデータ収集手法「GUILD」を提案した研究。 - 実世界のteleoperationで得るデータ収集は高コストで、teleoperatorの直感に頼ると政策性能への寄与が小さいデータが混ざる問題に対処。 - 収集後に既存データを選別するのではなく、どのデータを収集すべきかを能動的に推論するGuided Data Collection (GDC) を実現。 - タスク提案・データ収集とデータ評価を交互に繰り返す反復フレームワーク。

2. 先行研究と比べてどこがすごい？

- 従来のcuration系研究は収集済みのunguidedデータセットを事後的にフィルタリングするため、無情報なデータの取得自体を防げない。 - GUILDは収集前に「何を集めるべきか」を能動的に判断し、収集ループ自体を閉じる点が新しい。 - 意味的関連性だけでは政策改善に直結しないという課題に対し、predictive data attributionで性能への影響を近似する点が先行手法との差異。 - 受動的データ収集戦略、複数baseline、経験豊富なroboticistsと比較して優位と報告。

3. 技術・手法の肝は？

- 反復フレームワークで、1) タスク提案とデータ収集、2) データ評価を交互に実行してループを閉じる。 - タスク提案ではvision-language modelsのsemantic priorsを活用し、関連する環境・物体配置・ゴールを特定。 - データ評価ではpredictive data attributionを用い、収集したtrajectoryがtarget deployment設定での政策性能に与える影響を近似。 - その評価信号をフィードバックとして次回のデータ収集を誘導する。

4. どうやって有効だと検証した？

- simulationとreal robotの両設定で評価を実施。 - 受動的データ収集戦略(passive data collection strategies)、複数のbaseline、経験豊富なroboticistsと比較。 - guided data collectionがsample efficiencyとdeployment performanceを大幅に改善することを示した。 - 詳細な実験条件・指標は要旨からは不明。

5. 議論はある？

- 要旨からは不明。 - 明示されているのは、semantic relevanceがpolicy improvementを意味しないためdata evaluationが必要という設計上の議論。 - 限界や失敗事例、計算コスト、teleoperationへの負荷などの議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で直接参照されているcuration系の先行研究(収集後フィルタリングによるデータ選別手法)。 - predictive data attributionの関連研究。 - vision-language modelsをロボットのデータ収集・タスク生成に用いる研究。 - imitation learningのデータ効率に関する代表的手法(behavior cloning、DAggerなど)を一般名として挙げる。

※ 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: Shivin Dass, Kevin Nguyen, Rohan Yelandur, Junhong Xu, Roberto Martín-Martín

分類: cs.RO, cs.LG

原文アブストラクト

Imitation learning policies in robotics are trained on datasets collected through costly real-world teleoperation. Often, the data-collection process is unguided, relying on the teleoperator's intuition, resulting in data that contributes little to overall policy performance. Recent work has shown that curating such unguided datasets can substantially improve policy performance, but these approaches operate by filtering existing datasets after collection and therefore do not prevent the acquisition of uninformative data. In this work, we propose GUILD, a novel Guided Data Collection (GDC) method that actively reasons about which data should be collected to maximize downstream policy performance. We introduce an iterative framework that alternates between 1) task proposal and data collection and 2) data evaluation to close the loop. For task proposal, we leverage semantic priors from vision-language models to identify relevant environments, object configurations, and goals for data collection. However, since semantic relevance does not imply policy improvement, we perform data evaluation. By leveraging predictive data attribution we approximate how the collected trajectories influence policy performance on a target deployment setting. This signal is then used as feedback to guide subsequent data collection, closing the data collection loop. We evaluate our approach in simulation and real robot settings, demonstrating that guided data collection substantially improves sample efficiency and deployment performance compared to passive data collection strategies, multiple baselines and experienced roboticists. More information at https://robin-lab.cs.utexas.edu/guild2026/

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