ActivePusher: Active Learning and Planning with Residual Physics for Nonprehensile Manipulation
著者: Zhuoyun Zhong, Seyedali Golestaneh, Constantinos Chamzas · ICRA 2026
ライセンス
- オープンアクセス
- 論文: CC BY 4.0
以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。
要約
NTK に基づく不確実性を持つ残差物理の押し操作モデルが、練習には最も情報量の多い押し方を、計画には最も信頼できる押し方を選び、データ効率と押してから把持するタスクの成功率を高める。
重要な理由
このアプローチは大規模なオフラインデータセット、高忠実度のシミュレータ、人間のデモンストレーションのいずれも必要とせず、ロボットが自ら物体をリセットするため、人の介入なしに学習が進む。同じ不確実性の推定がデータ収集と計画の両方に使われ、スキル学習をタスクの成功に直接結び付ける。
課題
解析的な押し操作モデルは摩擦、接触、質量に関する単純化された仮定に基づいており、一方で学習モデルはコストの高い実際のインタラクションデータを大量に必要とし、行動空間のうちほとんど経験していない部分では信頼性が低い。ランダムなデータ収集は、モデルを最も改善する押し方を狙うものではない。
提案手法
押し操作は押す側面、横方向のオフセット、距離でパラメータ化され、MLP が準静的な解析的押し操作モデルと観測された SE(2) の結果との残差を学習する。認識論的不確実性は、学習済みネットワークをその Neural Tangent Kernel によるガウス過程とみなすことで得られる。学習時には、修正した BAIT の獲得関数が事後分散を最も減らす押し方のバッチを選び、計画時には SST キノダイナミック計画器が候補の押し方をサンプリングして、不確実性が最も低いものを残す。
主な知見
- 1 つの不確実性の推定が 2 つの相反する用途に使われる：何を練習するかを選ぶときは不確実性の高いものを求め、何を実行するかを選ぶときはそれを避ける
- 粗い解析的な押し操作モデルを残差の事前知識として加えることは、利用できるデータが少ないときに最も効果がある
- SST の制御サンプリングを不確実性の低い押し方へ偏らせることで、計画器の漸近最適性を保ちつつ、モデル化が不十分な行動を避けられる
- 能動的な計画では、計画器はモデルがより安全とみなす、より長い経路を選ぶ傾向がある
主な結果
- 最良の学習済みモデルを用いた能動的な計画により、Push-to-Grasp の成功率はシミュレーションで最大 95%、実世界で 85% まで向上し、ランダムな制御サンプリングと比べて追従誤差が減少した
- シミュレーションの 4 つの YCB 物体（クラッカーの箱、マグカップ、マスタードのボトル、バナナ）と実際のクラッカーの箱において、バッチサイズ 20 で、能動学習を用いた残差モデルはランダムなデータ収集よりも検証用の SE(2) RMSE が低かった
- シミュレーションの 100 個の計画問題において、残差能動学習はすべてのデータセットサイズで、MLP とランダムサンプリングのベースラインよりもタスク成功率が高く、追従誤差が低かった
- 設定：1,000 個の候補押し操作パラメータのプール、800 回の検証用の押し操作、バッチ 20（シミュレーション）または 40（実機）、データ収集に 1000 個の並列 Genesis 環境
制限事項
- モデル化しているのは認識論的不確実性のみで、偶然的なノイズは無視されているため、計画器はノイズの少ない領域を避けたり、本質的にノイズの多い押し方に頼りすぎたりする可能性がある
- タスクと物体は SE(2) での平面的な押し操作に限られ、非凸物体、関節物体、3D の押し操作、転がし、投げは扱われていない
- 計画はフィードバックや再計画なしにオープンループで実行される
- 解析モデルはすべての物体を外接矩形で近似し、摩擦比をすべての物体で c = 0.05 に固定し、固着接触を仮定している
- 結果は図中の曲線として報告されており、95% と 85% のピーク成功率を除いて、正確な数値はほとんど示されていない
分野への影響
ICRA 2026 Best Paper Award on Planning and Control のファイナリスト、被引用数 9。論文ではコードやデータの公開について記載がない。
概要
学習したダイナミクスモデルを用いた計画は、実世界での長期的なマニピュレーション、特に正確な解析モデルを得るのが難しい押し操作や転がしのような非把持の設定に対して、有望なアプローチである。学習ベースの手法は有望であるものの、学習データの収集はコストが高く非効率になりうる。これは、必ずしも最も情報量が多いとは限らない、ランダムにサンプリングされたインタラクションに依存することが多いためである。この課題に対処するため、残差物理モデリングとカーネルベースの不確実性駆動型能動学習を組み合わせ、最も情報量の多いスキルパラメータにデータ収集を集中させる新しい枠組み ActivePusher を提案する。さらに ActivePusher は、モデルベースのキノダイナミック計画器とシームレスに統合され、不確実性の推定を利用して制御のサンプリングをより信頼できる行動へと偏らせる。シミュレーションと実世界の両方の環境で本アプローチを評価し、ベースライン手法と比べてデータ効率と計画の成功率が向上することを示す。
リンク
- arXiv 2506.04646: https://arxiv.org/abs/2506.04646
- DOI 10.1109/ICRA57385.2026.11696785: https://doi.org/10.1109/ICRA57385.2026.11696785
- PDF: https://arxiv.org/pdf/2506.04646v1