Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

On-Device Diffusion Transformer Policy for Efficient Robot Manipulation

Created by
  • Haebom

作者

Yiming Wu, Huan Wang, Zhenghao Chen, Jianxin Pang, Dong Xu

概要

この論文は、モバイル機器の限られたリソースのために困難を経験する拡散ポリシー（Diffusion Policies）のリアルタイム展開を加速するために設計された新しいフレームワークであるLightDPを提案しています。ノイズ除去ネットワークを確認し、既存の剪定方法に関連する性能低下を克服するために統合された剪定および再訓練パイプラインを導入し、モデルの剪定後の回復力を明示的に最適化する。 LightDPがモバイルデバイスでリアルタイムの動作予測を競争力のあるパフォーマンスで達成することを示しており、リソース制限環境での拡散ベースのポリシーの実用的な展開のための重要なステップを示しています。

Takeaways、Limitations

•
Takeaways：
◦
モバイルデバイスでリアルタイムに拡散ポリシーを展開できるLightDPフレームワークの提示。
◦
ネットワーク圧縮とサンプリングステップの削減による計算ボトルネックの解
◦
統合された剪定および再訓練パイプラインによる剪定後の性能低下の軽減。
◦
一貫性蒸留を利用したサンプリングステップの低減と精度の維持
◦
さまざまなデータセット（PushT、Robomimic、CALVIN、LIBERO）でリアルタイムの動作予測と最先端のパフォーマンスを実現。
•
Limitations：
◦
LightDPのパフォーマンス向上は、特定のデータセットとアーキテクチャに依存する可能性があります。
◦
提案された剪定および再訓練戦略の一般化性能に関するさらなる研究が必要である。
◦
実環境でのロボット操作の課題の多様性を考慮した追加実験の必要性
◦
エネルギー消費量の分析が不足している。
👍
Made with Slashpage