【論文紹介】Unsupervised Domain Adaptation for Robust Imitation Learning under Visual PerturbationsNew!!
2026-11-09
画像入力を用いたロボットマニピュレーションシステムは、視覚入力のドメインシフトによって性能が低下しやすいという課題があります。強化学習ではデータ拡張が広く使われていますが、模倣学習への応用はまだ十分に検討されていません。私たちは2段階の学習手法を提案します。第1段階では、データ拡張を活用してドメインシフトへの頑健性を高める敵対的特徴学習の枠組みを構築します。第2段階では、収集の容易な画像データのみを用いてモデルを対象環境に適応させる、教師なしドメイン適応手法を導入します。
シミュレーションと実機ロボットの両方での実験により、提案手法が元のドメインでの性能を維持しつつ、照明条件の変化、背景の変更、環境中の妨害物体といった視覚的な外乱に対して高い耐性を示すことを確認しました。
本研究は、ロボティクスやオートメーションの分野の国際的なトップ会議 ICRA 2026 (the 2026 IEEE International Conference on Robotics & Automation) に採択され、オーストリアのウィーンで6月1日から5日まで開催された会議において発表されました。