MTDP: Modulated Transformer Diffusion Policy Model

要約

行動クローン（BC）に基づくロボット操作に関する最近の研究は、大きな進歩を遂げました。
拡散モデルとBCを組み合わせることにより、拡散ポリシーが提案されており、ロボットが成功率の高い操作タスクを迅速に学習できるようになりました。
ただし、拡散ポリシーを大容量の変圧器と統合することは課題を提示します。従来のトランスアーキテクチャは、ガイド条件を効果的に統合するのに苦労し、トランスベースのモデルを使用する際の操作タスクのパフォーマンスが低下します。
このホワイトペーパーでは、変圧器の主要なアーキテクチャ設計を調査し、拡散ポリシーのための変調変圧器拡散ポリシー（MTDP）モデルを提案することにより、従来の変圧器アーキテクチャを改善します。
このモデルのコアは、私たちが提案した変調された注意モジュールです。これにより、ガイド条件がメイン入力とより効果的に統合され、生成モデルの出力品質が向上し、その結果、ロボットのタスクの成功率が向上します。
6つの実験タスクでは、MTDPは、特に成功率が12 \％増加するToolhang実験で、既存のトランスモデルアーキテクチャよりも優れていました。
調整された注意の一般性を検証するために、UNETアーキテクチャに適用して、6つの実験すべてにわたって既存のUNETアーキテクチャよりも高い成功率を達成した変調されたUNET拡散ポリシーモデル（MUDP）を構築しました。
拡散ポリシーでは、拡散確率モデル（DDPM）を拡散モデルとして使用します。
これに基づいて、拡散暗黙モデル（DDIM）を拡散モデルとして除去することを調査し、MTDP-IおよびMUDP-Iモデルを構築しました。

要約(オリジナル)

Recent research on robot manipulation based on Behavior Cloning (BC) has made significant progress. By combining diffusion models with BC, diffusion policiy has been proposed, enabling robots to quickly learn manipulation tasks with high success rates. However, integrating diffusion policy with high-capacity Transformer presents challenges, traditional Transformer architectures struggle to effectively integrate guiding conditions, resulting in poor performance in manipulation tasks when using Transformer-based models. In this paper, we investigate key architectural designs of Transformers and improve the traditional Transformer architecture by proposing the Modulated Transformer Diffusion Policy (MTDP) model for diffusion policy. The core of this model is the Modulated Attention module we proposed, which more effectively integrates the guiding conditions with the main input, improving the generative model’s output quality and, consequently, increasing the robot’s task success rate. In six experimental tasks, MTDP outperformed existing Transformer model architectures, particularly in the Toolhang experiment, where the success rate increased by 12\%. To verify the generality of Modulated Attention, we applied it to the UNet architecture to construct Modulated UNet Diffusion Policy model (MUDP), which also achieved higher success rates than existing UNet architectures across all six experiments. The Diffusion Policy uses Denoising Diffusion Probabilistic Models (DDPM) as the diffusion model. Building on this, we also explored Denoising Diffusion Implicit Models (DDIM) as the diffusion model, constructing the MTDP-I and MUDP-I model, which nearly doubled the generation speed while maintaining performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google