UniReflex: Plug-and-Play Force Control for Pretrained Generative Policies via Fast-Slow Reflex
UniReflexは、事前学習済み生成方策を、高速・低速の反射メカニズムを介したクローズドループ可変インピーダンス制御によって強化する、ユニバーサルでプラグアンドプレイなフレームワークであり、ネットワークの再学習を必要とせずに、堅牢な接触制御と位置実行から力実行へのシームレスな遷移を可能にします。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
ロボットは、人間の動きを観察し、模倣することにおいて驚くほど熟達してきました。何千ものデモンストレーション動画を学習することで、現代の人工知能システムは、物体を掴んだり、ブロックを積み上げたり、テーブルの上で道具を動かしたりといった動作を、見事な精度で習得することができます。これらのシステムは、しばしば「生成ポリシー（generative policies）」と呼ばれ、ロボットの手が次にどこへ向かうべきかを決定する、ゆっくりとした思慮深いプランナー（計画者）のように機能します。しかし、何もない空間の中を動くことと、物理的な世界と相互作用することの間には、大きな隔たりがあります。ロボットが表面を拭いたり、ボタンを押したり、あるいはネジを締めたりする必要があるとき、ロボットは自身が及ぼす力を管理しなければなりません。もしロボットが押しすぎてしまえば、物体を壊してしまうかもしれませんし、滑ってしまうかもしれません。逆に、押しが弱すぎれば、タスクを完了することができません。現在のロボットは、視覚的な経路を完璧に辿るように設計されているため、ここで苦戦することがよくあります。彼らは、世界を、決して曲がったり抵抗したりすることのないガラスでできているかのように扱ってしまうのです。彼らには、抵抗を感じ取り、握りや圧力をリアルタイムで調整する能力が欠けています。これは人間にとっては自然なスキルですが、「見る」ことしかできない機械に教えるのは困難なことです。
清華大学と南洋理工大学の研究者たちは、ロボットの脳全体を作り直すことなく、この隔たりを埋めるための「UniReflex」と呼ばれる新しいアプローチを開発しました。既存の巨大で複雑なAIモデルを再学習させようとする代わりに、それらの上に軽量で素早い動作を行うレイヤー（層）を追加したのです。メインのAIを、ルートと目的地を知っているドライバーだとすれば、この新しい追加要素は、車が段差に当たった瞬間にステアリングホイールを即座に調整する反射（リフレックス）のような役割を果たします。このシステムは、ロボットがどこへ行きたいかという内部の思考を聞き取ると同時に、ロボットの手首に加わる力を監視することによって機能します。もしロボットが予期せぬ抵抗に遭遇した場合、この高速なレイヤーが瞬時に介入して、タッチを和らげたり角度を変えたりすることで、接触が安定した状態に保たれるようにします。極めて重要な点は、この新しいレイヤーは元のAIを再学習させたり修正したりする必要がなく、既存のさまざまなロボットの脳に即座に組み込むことができるという点です。
研究チームは、曲面に沿って拭く、メモからステッカーを剥がす、あるいは充電器をポートに差し込むといった、絶え間ない物理的接触を必要とする様々な困難なタスクを用いてこの手法をテストしました。これらの実験では、小規模なモデルから数十億のパラメータを持つ大規模なものまで、3種類の異なる学習済みロボット脳を使用しました。ロボットが元の計画能力のみで動作させた場合、物体に触れた瞬間に失敗し、滑ったり、過剰な圧力をかけたりすることがよくありました。しかし、UniReflexレイヤーを起動すると、こうした接触を伴うタスクの成功率は劇的に上昇しました。例えば、ステッカーを剥がすタスクでは、成功率は低いベースラインから9割近くまで向上しました。このシステムは、特に適切な圧力を維持することに効果的であり、物体が動いたり表面が凹凸していたりする場合でも、ロボットの手を安定させることができました。
この研究の主要な発見は、この改善が、ターゲットに対して正確に移動するというロボット本来の能力を犠牲にすることなく行われるという点です。新しいレイヤーは、メインのプランナーに仕事をさせるべき時と、微調整のために制御を奪うべき時を知っている「スイッチ」として機能します。ロボットが何かに触れる前は、元のAIが意図した通りに正確に移動し、高度な計画スキルを維持します。接触が検知された瞬間、高速な反射レイヤーが作動して力を管理し、ロボットが物体に衝突したり、握りを失ったりしないようにします。この役割の分離により、ロボットは動きにおいて精密であると同時に、相互作用において優しくあることができます。また、研究者たちは、このアプローチが非常に効率的であることも発見しました。小さな高速な反射レイヤーのみを訓練し、巨大なメインAIを凍結（固定）したままにしたため、ロボットの脳全体を一から再学習させようとする手法と比較して、システムに要する訓練時間は25分の1から66分の1に削減されました。
この研究では、ロボットが拭いている最中に表面が動くような、あるいは部品がわずかにずれているような、予期せぬ乱れに対してシステムがどの程度対処できるかも調査されました。これらのシナリオでは、標準的なロボットモデルは接触を失い、タスクに失敗することがよくありました。しかし、UniRef reflexによって強化されたロボットは、迅速に回復し、1秒以内またはそれ以下で正しい接触力を再確立することができました。この回復力は、システムが以前の手法よりも現実世界の予測不可能性に適応できることを示唆しています。研究者たちは、この手法は拭くことや押すことのような持続的なタスクには非常にうまく機能する一方で、プラグをきついソケットに差し込むような、調整の猶予が極めて小さい非常に短時間かつ高速な動作においては、より多くの課題に直面すると指摘しました。それにもかかわらず、今回の結果は、ロボットに欠けていた「触覚」を与えるための強力な新しい方法を示しており、完全に再設計することなく、より安全かつ効果的に物理的世界と相互作用することを可能にしています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。