GRITS：ロボットの食物すくい取りタスクのためのこぼれ検知に配慮したガイド付き拡散ポリシー
arXiv cs.RO / 2026/4/16
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、多様で動的な食物状態のもとで、ロボットによる食物すくい取りの信頼性を向上させることを目的とした、こぼれ（スピル）に配慮したガイド付き拡散ポリシーであるGRITSを提案する。
- GRITSは、複数のプリミティブ形状と多様な物理特性から構築したシミュレーションシナリオを用いてこぼれ予測器を学習し、その予測器を推論時の拡散サンプリングにおける微分可能なガイダンスとして利用する。
- この枠組みは、模倣学習やガイダンスなしの学習に単に依存するのではなく、ロボットの軌道をより安全な行動へ明示的に誘導することで、こぼれを低減しつつタスクの成功を維持する。
- ロボットによるすくい取りプラットフォームでの実世界実験により、GRITSはタスク成功率82%、こぼれ率4%を達成し、ガイダンスなしのベースラインと比べて40%以上のこぼれ低減を実現する。
- 評価では、6つの食品カテゴリで学習し、形状や数量の異なる10の未見カテゴリでテストすることで、学習分布を超えた汎化が示される。
