[2G6-OS-47c] 基盤モデル時代におけるPhysical AI

17:30 〜 17:45

[2G6-OS-47c-01] ロボットの多峰的動作生成に向けた軽量な確率モデルの提案MDNとEnergy Scoreを用いたSARNNの拡張

〇藤田 幸哉¹、一藁 秀行¹、菅野 重樹¹、尾形 哲也¹ (1. 早稲田大学)

キーワード：

動作生成、模倣学習、多峰性、少数データ学習

ロボットの動作生成の実用化には推論コストの低さや少数データでの高い汎化性に加え，複数の正解動作が存在する多峰性への対応が不可欠である．本研究では少数データでの学習に優れたSpatial Attention Point Network(SARNN)をベースとし，多峰性タスクを安定して解くことが可能なGMMSARNNを提案する．提案手法ではSARNNの出力層を混合密度ネットワーク(MDN)へと拡張し，複数の軌道候補を確率分布として表現する．また損失関数に従来の負の対数尤度に代わり，予測分布全体と実測値の距離を評価するEnergy Score(多変量CRPS)を導入する．これによりMDNによる多峰な分布表現を可能にすると共に，Energy Scoreによる学習の安定化を実現した．提案モデルの有効性の検証のため，8自由度マニピュレータにより障害物回避と移動物体の把持の2タスクを実施し，障害物回避タスクにおいて多峰性タスクへの対応能力と学習の安定化を確認した．また，移動物体の把持タスクでは、複数の未知条件下においてDiffusion Policy等の既存手法を成功率で15–25%上回り，優れた汎化性能を実証した．