実ロボット学習の時間を減らす
7月29日のSymmGridは、物理ロボット上の強化学習時間を短縮する軌跡拡張法です。状態・行動対の許容対称変換を並列生成し、一人称・外部カメラ映像とロボット内部状態を空間的に一致させて再生バッファを増やします。
実操作での結果
ピン挿入、ケーブル配置、物体移動を実機で訓練しました。著者報告では既存手法より収束が1.37〜2.17倍速く、評価成功率は1.09〜1.27倍向上しました。最速収束は各課題16.6分、10.9分、79.3分で、軌跡全体性能は最大2.59倍改善しました。
物理的意味を保つ空間変換なら、一つの経験を複数の有効試行として再利用する考えです。
意味と限界
現場学習の短縮は新配置への適応費用を下げますが、安全境界、衝突監視、人の停止装置は別に必要です。
三つの操作課題と特定機材による査読前結果です。全対称変換が現実で有効とは限らず、変形物、移動ロボット、長期作業で同じ向上は未確認です。