MSG: サンプル効率の高いロボットマニピュレーションのためのマルチストリーム生成ポリシー
arXiv cs.RO / 2026/4/1
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、推論時の合成フレームワークであるMSG（Multi-Stream Generative Policies）を提案し、複数の物体中心型の生成ロボットポリシーを組み合わせることで、汎化性能とサンプル効率の両方を向上させる。
- MSGはモデルに依存しない（model-agnostic）かつ推論のみ（inference-only）であるため、異なる生成ポリシーのアーキテクチャや学習パラダイムに幅広く適用できる。
- シミュレーションおよび実ロボットでの実験により、MSGは5つのデモンストレーションという少数からでも高品質なポリシーを学習でき、必要なデモの数を95%削減できると報告されている。
- 単一ストリームの手法と比較して、MSGはポリシー性能を89%向上させるとされており、アブレーション研究ではさまざまな合成戦略を評価している。
- 著者らは、ゼロショットでの物体インスタンスの転移などの能力に加え、導入（デプロイ）に関する推奨事項を報告しており、コードを公開している。
