ROBOTICS & HUMANOID

การปรับปรุงการวางแผนหุ่นยนต์ด้วย World Model ผ่านการเรียนรู้ Latent Goal Cost

arXiv16 Nov 2026
1 min read
Key Takeaways
  • การเพิ่มอะแดปเตอร์ขนาดเล็กเพื่อเรียนรู้ latent goal costs สามารถปรับปรุงประสิทธิภาพการวางแผน Visual World Model ได้อย่างมีนัยสำคัญในการทำงานที่ต้องเข้าถึงเป้าหมายด้วยภาพ โดยไม่จำเป็นต้องแก้ไขโมเดลหลัก

ทำไมเรื่องนี้ถึงสำคัญ

การปรับปรุงความสามารถในการวางแผนของหุ่นยนต์ให้บรรลุเป้าหมายด้วยภาพเป็นสิ่งสำคัญสำหรับการพัฒนาหุ่นยนต์อัตโนมัติที่สามารถนำทางและปฏิบัติงานในสภาพแวดล้อมที่ซับซ้อนได้อย่างมีประสิทธิภาพและน่าเชื่อถือยิ่งขึ้น วิธีนี้ช่วยให้สามารถใช้ Visual World Model ที่มีอยู่แล้วได้อย่างมีประสิทธิภาพ โดยลดความจำเป็นในการฝึกโมเดลขนาดใหญ่ใหม่ทั้งหมด.

การวางแผนตามเป้าหมายด้วยภาพ (Image-goal planning) ที่ใช้ Visual World Model ที่ถูกตรึง (frozen) นั้นขึ้นอยู่กับวิธีการให้คะแนนการสังเกตการณ์ที่คาดการณ์ไว้เมื่อเทียบกับเป้าหมาย. การใช้ค่าความผิดพลาดกำลังสองเฉลี่ย (MSE) ระหว่าง embeddings จาก visual encoder ที่ผ่านการฝึกอบรมล่วงหน้าสามารถให้สัญญาณที่มีประโยชน์ใกล้กับเป้าหมายได้. อย่างไรก็ตาม วิธีนี้อาจทำให้หุ่นยนต์เลือกสถานะที่อยู่หลังสิ่งกีดขวางซึ่งมีลักษณะคล้ายกับเป้าหมายแต่ยากที่จะเข้าถึง.

งานวิจัยนี้ได้นำเสนอวิธีการแก้ปัญหานี้โดยการติดตั้งอะแดปเตอร์ขนาดเล็กแบบ residual บน I-JEPA embeddings ที่ถูกตรึง เพื่อปรับปรุงค่า latent goal cost. กระบวนการเรียนรู้เริ่มต้นจากการรวบรวมวิถีการเคลื่อนที่จากภูมิภาคเริ่มต้นที่กว้างขึ้นเรื่อยๆ โดยมีเป้าหมายอยู่ใกล้ๆ. อะแดปเตอร์จะเรียนรู้จากลำดับของการสังเกตการณ์ตลอดวิถีการเคลื่อนที่ที่สำเร็จ และมีการเปรียบเทียบเพิ่มเติมจากความพยายามที่ล้มเหลว. สิ่งสำคัญคือ ไม่มีป้ายกำกับความคืบหน้าเฉพาะงานที่ใช้ในการฝึก ซึ่งทำให้ขั้นตอนการเรียนรู้นี้สามารถนำไปประยุกต์ใช้กับงานที่ต้องการเข้าถึงเป้าหมายอื่นๆ ได้.

ในการประเมินผล ซึ่งดำเนินการในสถานการณ์ 50 กรณีที่จับคู่กันโดยใช้จุดเริ่มต้น เป้าหมาย World Model และการตั้งค่าตัววางแผนที่เหมือนกัน อัตราความสำเร็จเพิ่มขึ้นจาก 54% เป็น 98% ใน DotWall และจาก 82% เป็น 96% ใน PointMaze. นอกจากนี้ ในกรณี DotWall ที่ไม่เคยเห็นมาก่อน 16 กรณี อะแดปเตอร์ที่ติดตั้งบนโครงร่างคงที่หนึ่งอันยังช่วยเพิ่มความสอดคล้องระหว่างการจัดลำดับ latent-cost และการจัดลำดับเส้นทางที่ถูกต้องที่สั้นที่สุดจาก 71.9% เป็น 85.8%. ผลลัพธ์เหล่านี้บ่งชี้ว่าประสบการณ์การวางแผนสามารถปรับปรุงค่า goal cost ของการแสดงภาพที่ถูกตรึงได้โดยไม่ต้องฝึกอบรม encoder หรือ World Model ใหม่.

สรุปประเด็นหลัก

พัฒนาวิธีเรียนรู้ "latent goal costs" สำหรับ Visual World Model Planning.

ใช้ residual adapter ขนาดเล็กบน I-JEPA embeddings ที่ถูกตรึง เพื่อปรับปรุงการให้คะแนนเป้าหมาย.

เพิ่มอัตราความสำเร็จในงานเข้าถึงเป้าหมายด้วยภาพอย่างมาก โดยไม่ต้องฝึกอบรม Visual Encoder หรือ World Model ใหม่.

นวัตกรรมและเทคโนโลยี

research

การเรียนรู้ Latent Goal Costs ด้วย Residual Adapter

การนำเสนอวิธีการใหม่ที่ใช้อะแดปเตอร์ขนาดเล็กแบบ residual เพื่อปรับปรุงการให้คะแนนเป้าหมาย (latent goal costs) บน I-JEPA embeddings ที่ถูกตรึง โดยเรียนรู้จากวิถีการเคลื่อนที่ที่สำเร็จและล้มเหลว.

research

การปรับปรุงประสิทธิภาพการวางแผน Visual World Model

วิธีการนี้แสดงให้เห็นถึงการเพิ่มขึ้นของอัตราความสำเร็จในการวางแผนถึง 98% ใน DotWall และ 96% ใน PointMaze โดยไม่ต้องฝึกโมเดลหลักใหม่ ซึ่งช่วยให้หุ่นยนต์สามารถวางแผนได้อย่างมีประสิทธิภาพมากขึ้นในการบรรลุเป้าหมายด้วยภาพ.

Developer Impact
นักวิจัยและวิศวกรที่ทำงานกับหุ่นยนต์และ AI สามารถนำแนวทางนี้ไปใช้เพื่อปรับปรุงความแม่นยำและประสิทธิภาพของระบบวางแผนหุ่นยนต์ โดยเฉพาะในงานที่ต้องใช้การรับรู้ภาพและการนำทางเพื่อไปถึงเป้าหมาย การใช้อะแดปเตอร์ขนาดเล็กยังช่วยลดภาระการประมวลผลและการฝึกอบรม.
Keywords
#visual world model #robot planning #goal-reaching #latent cost #curriculum learning #i-jepa
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv