成功率を落とさずロボットの動作を高速化する――行動チャンク倍速再生でぶつかった3つの壁とその解決策
学習済みの双腕タオル畳みポリシーをデータ収集や事前学習のやり直しなしに1.5〜2.0倍速で動かすまでに直面した3つの壁(グリッパー遅れと疑似曲率、サーボ追従遅れによる3 mmの空振りシフト、1秒チャンク枯渇と布の慣性)と、その解決策・実機100試行の検証結果・既存手法との違いを解説します。
CTO
目次
リネンサプライ工場でのタオル畳み自動化において、ロボットの動作速度は採算に直結します。第1回の記事[9]で述べたとおり、ロボット1台が1時間に生む利益は「成功率」と「サイクルタイム」の2つで決まります。動作を速くできれば、成功1回あたりの所要時間が縮んで時間あたりの処理枚数が増えるだけでなく、1試行あたりの制限時間(120秒)の中で掴み直しの再試行に使える時間が増え、時間切れによる失敗そのものも減らせます。
学習済みのロボットポリシーを速く動かす最も素朴な発想は、モデルが1回の推論でまとめて出力する将来の目標行動列――行動チャンク(Action Chunk)――を、実行時に時間軸方向へ圧縮して1.5倍速や2.0倍速で再生することです。これなら高価な実機データを集め直す必要も、巨大モデルをゼロから学習し直す必要もありません。近年、模倣学習や視覚言語行動(VLA)モデルの分野でも、推論時の行動チャンクを時間リスケーリングや時間最適軌道計画(TOPP)によって実演速度以上に加速する手法が提案され始めています[4][5][6]。
しかし、この考え方をそのまま実機の双腕タオル畳みに持ち込むと、次々に物理的・制御的な破綻が起きました。滑らかに速く動かそうとしたはずが逆に0.8倍速へ減速し、1.5倍速で動かせるようになると今度はタオルの角を掴み損ねて成功率が10ポイント落ち、2.0倍速へ引き上げるとタオルの端が慣性で投げ出されて折り畳みが崩れました。
本稿では、私たちが行動チャンクの倍速再生を実機のタオル畳みで実用化するまでにぶつかった3つの壁と、それぞれの原因解明および解決策を順番に紹介します。あわせて後半(§4)では、既存研究のアプローチと私たちの手法が技術的にどこで異なり、なぜその違いが実機の柔軟物操作で効くのかを整理します。
前提:ロボット構成とベースポリシー
実験に用いたシステムは、6自由度アーム2本(Dobot Nova 5)と電流制御の平行グリッパー2基(ROBOTIS RH-P12-RN-A)を備えた双腕ロボットです。頭上の俯瞰カメラ1台と左右の手首カメラ2台の計3視点の画像(224×224 px)および14次元の関節・グリッパー状態を入力とし、50 Hz(制御周期 20 ms)で目標関節角とグリッパー開閉指令を送ります。
ベースのポリシーには、視覚言語行動モデル [1][2] を自社のリネン操作データで事前学習・ファインチューニングしたモデルを用いています。画像と言語をエンコードした共有表現を受け取り、フローマッチングに基づく行動生成モジュール(Action Expert)が1回の推論で 50ステップ分(50 Hzで1.0秒間) の行動チャンクを出力します。また、GPUでの推論計算(約120 ms=約6制御ステップ)のあいだもロボットを止めずに滑らかに動かすため、Training-Time RTC(学習時推論遅延補償)[3] を導入しています。これは、推論中にロボットが実行し続ける直前の確定行動列(プレフィックス)を次の推論の条件付けとして入力し、古いチャンクから新しいチャンクへ継ぎ目なくつながる軌道を生成させる仕組みです。
本稿の本評価はすべて 1条件あたり100エピソード(制限時間120秒) で実施し、判定者による基準のブレをなくすため、録画映像から折り畳みの合否と完了時刻を一律に採点する固定の自動品質判定器を用いて計測しています。
1. 第1の壁:メカと生成軌道の壁――「グリッパーの開閉遅れ」と「疑似曲率による逆減速」
位相ベースの可変倍速再生と RTC の整合
行動チャンクを 倍速で再生するとき、ロボットの制御周期(20 ms)自体を縮めると下位サーボや通信スレッドの前提が崩れます。そこで制御周期は 50 Hz に固定したまま、チャンクを連続位相 上の関数 とみなし、毎ステップ進める位相幅を とする方式を採りました。 なら等速、 なら1.5倍速でチャンクを読み進めます。ポリシー自身には倍率 を一切知らせず、常に元の1倍速グリッド上の観測と行動履歴を渡します。
ここで最初の注意点となるのが Training-Time RTC との整合です。GPUの推論にかかる実時間(約120 ms=6制御ステップ)は再生倍率によらず一定であるため、推論中に消費されるチャンク上の位相量は 倍(1.5倍速なら最大 ステップ)に増えます。また、可変倍速では推論トリガ時点の消費済み位相 が非整数になります。そのため、RTC のプレフィックス長を ( は1倍速での推論遅延ステップ数)へ拡大したうえで、前回チャンクを非整数位相 から元の1倍速ステップ間隔(刻み幅 1.0)で再標本化してモデルへ渡す構成にしました。
この倍速再生基盤を作るにあたり、まず対処しなければならなかったのがグリッパーの物理速度と生成チャンクの微細ノイズという2つの壁でした。
課題①:腕だけ速くしても、電流制御グリッパーは速くならない
グリッパー開閉時の減速自体は先行研究[4]でも指摘されていますが、私たちのシステムで事前に実機ログを計測すると、電流制御グリッパーが全開から全閉まで物理的に動くには約 0.9 秒(開くには約 0.38 秒)かかっていました。指令の再生速度だけを1.5倍に上げても物理的な開閉時間は縮まらないため、一様に倍速再生すれば指が閉じ切る前に腕が引き上げられて空振りすることは明らかでした。
一方で同じ実機ログから、1エピソードのうちグリッパーが開閉運動をしている時間は全体の約 8% に過ぎないことも分かりました。そこで最初から、チャンク内の各位置におけるグリッパー指令の変化率 に基づき、実機の最大開閉速度 (開閉方向別に設定)を超えない連続的な上限倍率
を課し、閉じ指令が完了した直後も実機の指が追いつくまで 0.1〜0.2 秒間は等速()を維持するホールド処理を入れました。さらに、高速移動からグリッパー閉鎖へ入る直前に急減速が起きないよう、チャンク末尾から逆向きに減速スロープを伝播させる先読み減速を組み込みました。
課題②:滑らかに速度計画したら、1.5倍速指定なのに「0.8倍速」へ減速した
さらに高倍速領域(1.5〜2.0倍速)でも継ぎ目の衝撃を出さずに直線区間を速く走らせるため、チャンクの離散点列を自然3次スプライン で連続曲線化し、各関節の速度上限 と加速度上限 ():
を満たす最大速度曲線(MVC)を閉形式の前進・後退パス(1チャンクあたり約 3 ms)で解く速度プランナを実装しました。あわせて、チャンク切り替え時の加速度スパイクを消すため、新旧チャンクの境界10ステップを5次の smoothstep 重み で位置・速度・加速度まで連続(C2連続)にブレンドし、次の推論トリガ時にはブレンド後の実際の実行軌道との差分でプレフィックスを補正する仕組みを入れました。
ところが、この滑らか化パイプラインで上限1.5倍速を指定して実機を動かすと、動作は極めて滑らかになったものの、実効再生倍率が平均 0.81 倍(最小 0.55 倍)と、通常の1倍速より遅くなる現象が起きました。
原因は、フローマッチングが出力する行動チャンクに含まれる「目に見えない高周波の微細ノイズ」でした。モデルが出す離散ステップ列には、数ミリラジアン程度の微小なステップ間ジッタが含まれています。位置としては無視できる大きさでも、そのまま3次スプラインを通して2階微分 をとると巨大な疑似曲率(1倍速換算の99パーセンタイル加速度で )として現れます。速度プランナはこの微細ジッタを「急激な加減速が必要な急カーブ」と解釈し、加速度上限()を守るために多くの区間でブレーキを踏み続けていたのです。
解決策はシンプルでした。スプラインを当てはめる前に、腕の12関節軌道へ 9点 Savitzky-Golay フィルタを通す前処理を追加しました。これだけで軌道の大域的な形を一切崩さずに(平滑化前後の位置変化は最大 0.002 rad 以下)、1倍速換算の99パーセンタイル加速度は へと3分の1以下に落ち、オフライン再計画で上限倍率に到達し、実機の2倍速設定でも保護停止なしに平均約 1.7 倍速で滑らかに走行できるようになりました。
2. 第2の壁:閉ループ制御の壁――「サーボ追従遅れの拡大」による3 mmの空振りシフトと状態遅れ補正
1.5倍速で完了時間は 25% 縮んだが、成功率が 10 ポイント低下した
高速再生がタスク成功率に与える影響を他の要素と切り分けて検証するため、まずは最もシンプルな「位相再生+グリッパー速度保護(線形補間)」の構成に固定し、コンベア上の山からフェイスタオルを1枚取り出して空中で広げ、2回折って積み上げるタスク(山積みタオル畳み)で実機100試行の評価を行いました。
1.0倍速ベースラインと上限1.5倍速(実効平均 1.34倍速)を比較すると、成功エピソードの平均完了時間は 78.3 秒から 59.0 秒へと 24.6% 短縮されました。しかしその一方で、成功率は 58.0% から 48.0% へと 10.0 ポイント低下し、120秒以内に完了できない試行も 33件から 41件に増えてしまいました。速く動いた分で稼いだ約20秒の余裕が、途中工程での失敗増加によって帳消しになっていたのです。
何が壊れたのかを突き止めるため、両条件合わせた全200エピソード・計3,428回の把持試行をすべて監査し、順運動学(FK)による3次元軌道の比較とオフライン再推論による介入実験を行いました。
浮かび上がった主要な悪化事象は、片方の腕でタオルの一角を空中に吊り下げ、もう片方の腕を降ろして垂れ下がった下端の角をつまむ「空中展開(unfold)把持」での空振り急増でした。この局面での空振り率が、1.0倍速の 33.6% から 1.5倍速では 47.7%(+14.1 ポイント) へと跳ね上がっていたのです(あわせて、最初のタオル山への降下では RTC のプレフィックスが 6→9 ステップに伸びて降下軌道を余分に引き継ぐことで 1〜4 mm 深く入り、厚さ約 2 mm のタオルを2枚同時に掴む失敗も 0件から5件へ増えていました)。
なぜ 1.5倍速にすると空中で「3 mm 高く」閉じてしまうのか
空中展開で空振りした試行のアーム高さを比較すると、1.5倍速では1.0倍速よりもグリッパーを閉じるフランジ高さが中央値で +2.9 mm(指先換算で +3.0 mm、チャンク生成トリガ時点の実測高さで +3.2 mm)高い位置へシフトしていました。薄く垂れ下がったタオルの角に対して 3 mm 高く閉じれば、指先は布の先端をかすめて空を掴みます。
最初はチャンク切り替えやグリッパー保護の副作用を疑いましたが、同じ記録観測をモデルに入力しても閉指高さは 0.1 mm 未満しか動かず、すべて棄却されました。オフラインの反実仮想推論によって特定された主要因(約 3 mm のシフトのうち約 1.5〜2 mm を直接説明する機序;残りは2次元手首カメラからは分離できない光軸方向成分)は、「ポリシーの状態アンカー性」と「位置制御サーボの追従遅れ」の相互作用でした。
- 1. ポリシーは関節角の実測値 に強く固定されて閉じる高さを決めている: 画像を固定したまま、入力する腕の関節角状態 だけを数ミリ上下にずらす反実仮想推論を行うと、モデルが計画する閉指高さも同じ向きに追随して動きます(プレフィックスなしで傾き約 0.9、実プレフィックス付きでも約 0.28〜0.35)。つまりポリシーは、カメラ画像上の角の位置だけを見ているのではなく、「いま腕がどの高さにいるか()」を基準に「ここからあと何ミリ降りて閉じる」という計画を立てています。
- 2. 倍速再生では「チャンク座標系での追従遅れ」が 倍に伸びる: 使用している位置制御ロボットのアームには、指令値 に対して実測値 が実時間で約 4制御ステップ(80 ms)遅れて追従する定常特性があります。実時間での遅れ(80 ms)自体は 1.0倍速でも 1.5倍速でも変わりません。しかし 1.5倍速で降下中は腕が 1.5倍の速度で降りており、1制御ステップあたり約 1.5チャンクステップ進むため、チャンク座標系で見た指令と実測の差 は 4.0ステップ分から約 6.0ステップ分(閉指1つ前のチャンク推論トリガ時点で高さ差 2.5 mm → 4.4 mm)へと拡大します。
その結果、1.5倍速で降下中のポリシーには「1倍速のときより腕がまだ高い位置に残っている」状態入力 が毎推論ごとに渡され続け、計画される閉指位置を上へ引き上げていたのです。
「遅れをゼロにすればよい」という直感の罠と、閉形式の状態遅れ補正
原因がサーボの追従遅れにあると分かれば、最初に思いつく対策は「実測値 の代わりに、遅れのない指令値 をそのままポリシーの状態入力に入れればよいのではないか?」というものです。
しかし、ここにもう一段深い罠があります。1.0倍速で収集された学習データ自体が、同じ実機の「4ステップ(80 ms)分の定常的な追従遅れ」を含んだ状態で記録されているという点です。もし推論時に をそのまま入力して遅れを完全にゼロにしてしまうと、ポリシーは学習分布の外にある「遅れゼロの状態」を受け取ることになります。机に向かって降りる局面で、実際のアーム位置 よりも数ミリ下にある を現在位置として次チャンクを計画するため、今度は逆に手先を作業台へ強く押し付ける危険が生じるのです。
したがって、正答は「遅れをゼロにすること」ではなく、「再生倍率 によって余分に増えた遅れだけを打ち消し、1.0倍速と同じ 4ステップ分の遅れ(全体の )を正確に残すこと」です。これはモデルの再学習も制御器のゲイン変更も一切使わず、推論トリガ時にポリシーへ渡す腕12関節の状態 (グリッパー2次元は実測値のまま保持)を次の1行の閉形式で補間するだけで実現できます。
等速(、グリッパー開閉による減速中を含む)のときは第2項の係数が になって と従来通りに一致し、 のときは追従誤差 の だけを補うことで、チャンクステップ換算の遅れを 1倍速と同じ 4ステップ相当 へ戻します。
この設計を検証するため、同一の学習済みモデル・同一の線形補間+グリッパー保護パイプラインの上で、①補正なし( そのまま)、②遅れゼロ化(cmd:)、③倍率比例の状態遅れ補正(rate:上式)を実機で各100試行ずつ比較しました。
| 条件 | 軌道補間構成 | 状態入力の扱い | 成功率 | 成功時の完了時間(平均 / 中央値) | 120秒未完了 | 復帰不能失敗(うち作業台押し付け)* |
|---|---|---|---|---|---|---|
| 1.0倍速ベースライン | 標準(1.0倍速) | 実測 (等速の自然遅れ) | 58.0% | 78.3 秒 / 77.1 秒 | 33 件 | 1 件(0 件) |
| 1.5倍速・補正なし | 線形+グリッパー保護 | 実測 (遅れが拡大) | 48.0% | 59.0 秒 / 52.6 秒 | 41 件 | 11 件(0 件) |
| 1.5倍速・遅れゼロ化(cmd) | 線形+グリッパー保護 | 指令 (遅れを全消去) | 57.0% | 60.9 秒 / 53.5 秒 | 26 件 | 16 件(7 件) |
| 1.5倍速・状態遅れ補正(rate) | 線形+グリッパー保護 | の遅れを残す補間 | 53.0% | 57.4 秒 / 51.1 秒 | 28 件 | 5 件(0 件) |
| (参考)2.0倍速・1秒チャンクのまま | C2スプライン+速度計画 | 実測 (補正なし) | 46.0% | 58.8 秒 / 49.1 秒 | 29 件 | 9 件(4 件) |
* 復帰不能失敗および作業台への押し付け件数は、実機評価時の現場失敗分類記録による内訳。
結果は明確でした。補正なしの1.5倍速(成功率 48.0%、120秒未完了 41件)に対し、状態遅れに対処した rate(53.0%、未完了 28件)と cmd(57.0%、未完了 26件)はいずれも未完了試行を大きく減らし、100試行の標本誤差の範囲内で成功率を回復させました。
そして両者を決定的に分けたのが失敗の壊れ方です。遅れを完全にゼロにした cmd では、復帰不能な失敗が全条件で最も多い 16件 発生し、そのうち 7件でアームを作業台に強く押し付ける危険な挙動が起きました。一方、1倍速相当の遅れを残す rate では作業台への押し付けは 0件 に抑えられ、かつ1.5倍速の3条件の中で最も速い平均完了時間 57.4 秒(1.0倍速比 −26.8%、中央値では 77.1 秒 → 51.1 秒で −33.8%) を達成しました。
3. 第3の壁:2.0倍速への拡張――「1秒チャンクの枯渇」と「慣性によるタオルの投げ出し」
なぜ 1秒チャンクのまま 2.0倍速にすると崩れるのか
上の表の最下行に示したとおり、1秒チャンク()のモデルのまま §1 のC2スプライン+速度計画を入れて上限を 2.0倍速へ引き上げても、成功率は 46.0% にとどまり、折り畳みや積載での大きな位置ずれ失敗(20件)が多発しました。2.0倍速以上の領域では、推論時の後処理だけでは越えられない2つの壁が現れます。
1つ目は RTC の遅延条件付け範囲とチャンク長(ホライズン)の枯渇 です。推論遅延とチャンク長から倍速の上限が決まる関係自体は先行研究[4]でも指摘されていますが、Training-Time RTC とチャンク間ブレンドを伴うシステムでは条件がさらに厳しくなります。実機の推論遅延は通常6制御ステップですが、負荷の裾(テール)では最大 ステップ(200 ms)に達します。 倍速ではこの間に 20チャンクステップ が消費されるため、学習時の模擬遅延上限(9ステップ)に縛られた1秒チャンクモデルでは(仮に推論時に上限を12ステップへ強制拡張しても)、1.5倍速以上でチャンク切り替えの 98.5〜100% がプレフィックスの保証外(モデルが自由に再生成した領域)への飛び込みとなり、2.0倍速ではブレンド前の中央値で 3.4 mm(10ステップ遅延時は 9.3〜9.5 mm)の位置ジャンプが生じていました。
さらに、推論間隔を 制御ステップ、切り替えのブレンド幅を チャンクステップとすると、次のチャンクが届いてブレンドし終えるまでに現在のチャンクを使い切らないための条件は
となります。たとえば 、最大遅延 、ブレンド幅 の条件では、 で必要長は と1秒チャンクの上限ギリギリになり、 では ステップが必要となって1秒チャンクでは物理的に枯渇します。
解決策①:2秒チャンク()と混合遅延分布によるファインチューニング
そこで、50 Hz の時間解像度はそのままに、モデルの出力チャンク長を2倍の ステップ(2.0秒分) へ伸ばし、学習時の模擬遅延の上限も 46(プレフィックス最大45ステップ、 まで対応)へ拡張してファインチューニングを行いました。
この設計には実用上うれしい性質が2つあります。第1に、VLA モデル内部で処理されるトークンの大半は画像と言語が占めており、Action Expert の行動トークンが50個から100個に増えても、推論時間は 117 ms から 127〜128 ms へと約 10 ms(0.5制御ステップ分)しか増えません。第2に、モデルの重み行列の形状自体はチャンク長 に依存しないため、高コストな100kステップの事前学習モデルをやり直す必要がなく、250エピソードのタスクデータを用いた通常の20kステップのファインチューニングだけで2秒チャンク化が完了します。
学習時の工夫として、模擬遅延 を単純に一様分布 からサンプリングすると、グリッパー減速中や1倍速実行で使われる短いプレフィックス( ステップ)の学習密度が従来の約5分の1に薄まってしまいます。これを防ぐため、50%の確率で 、残り50%の確率で から遅延を引く混合分布を採用しました。そして実行時の推論遅延設定を実測テール(10ステップ)より余裕のある 11ステップ(プレフィックス長 、2倍速で22ステップ)に取ることで、オフライン検証(400箇所の切り替え点)において 4倍速に至るまでプレフィックス外進入率 0%・切り替え位置ジャンプ 0 mm となり、1秒チャンクと同等の軌道滑らかさが保たれることを確認しました。
解決策②:2倍速でタオルが叩きつけられる――双腕順運動学の先読みによる「1回目折り」の等速制限
コンベア設備が別実験で稼働中だったため、この2秒チャンクモデルの実機検証は、左横の丸テーブルからフェイスタオルを取り出して作業台に広げ、2回折るタスク(丸テーブル供給タオル畳み)で実施しました。§1 の滑らか速度計画(SG平滑化+MVC+C2接続)と §2 の状態遅れ補正(rate)をすべて有効にし、上限2.0倍速で実機の試運転を行いました。
ロボットの動作自体は保護停止もガタつきも一切なく滑らかでした。ところが、2.0倍速での最初の試運転は 3試行連続で失敗 に終わりました。
失敗の決定打となったのはロボット制御ではなく、柔軟物(布)の慣性に伴う折り崩れでした。作業台の上で広げたタオルの手前2角を両手で持ち上げ、向こう側へ半分に折る(1回目の折り)局面を解析すると、2倍速時にはモデルが通常より約1.8倍長い往復軌道を生成していたことも重なり、約1.9倍速での再生によって手先のピーク前進速度は1倍速の 2.7倍(0.10 → 0.26 m/s)、ピーク降下速度は 3.2倍(0.14 → 0.44 m/s)に達していました。この速度で薄いフェイスタオルを運ぶと、慣性でタオルの上端が下半分へ勢いよく投げ出されて叩きつけられ、折れ線に硬く強い折り目がついてしまい、続く2回目の折り(4つ折り)が崩れてしまったのです。行動チャンクの時間軸をいくら綺麗に圧縮しても、布の物理的な落ち着きまでは速くなりません。
一方で、同じエピソードの他の工程――丸テーブルへの移動、把持、空中での持ち替え展開、そしてすでに半分に重なって厚みと剛性が増した2回目の折り――は、2.0倍速のままでも問題なく成立していました。つまり、「1回目の半分折り」の数秒間だけをピンポイントで等速(1.0倍速)に落とせばよいのです。
この検知のために、新たなカメラ画像分類器をデータ収集して学習させる必要はありません。1回目の半分折りには、チャンク内の指令列と双腕の順運動学(FK)だけで一意に識別できる明確な幾何学的シグネチャがあるからです。実行中のチャンクと将来25ステップ分の先読み軌道(計算時間は100ステップあたりわずか 0.3 ms)から、以下の状態遷移を因果的に検知する軽量な状態機械を実装しました。
- 1. 両手把持: 左右両方のグリッパー指令が閉状態()にある。
- 2. 持ち上げ: 両腕フランジの平均高さ (アームベース基準)が閾値(850 mm)を超えてタオルを吊り上げた。
- 3. 引き戻し(溜め): 持ち上げ後、両腕を一旦手前側( 方向)へ 200 mm 以上引き戻し、タオルの下端を作業台に接地させた。
- 4. 前方への折り開始(減速ON): そこから将来25ステップ以内に、両腕が前方( 方向)へ 40 mm 以上送り出される動きが始まった瞬間に再生倍率の上限を 1.0倍 に制限し、グリッパーが開いて折りが完了するまで維持する(なお、2回目の4つ折りは持ち上げ高さが最大でも 790 mm にとどまるため反応せず、2.0倍速のまま通過する)。
実機記録エピソードでの検証では、この運動学ルールだけで1回目の半分折りの 96%以上をカバー し、折り開始の中央値 0.1〜0.65 秒手前から滑らかに等速へ減速でき、折り以外の区間での誤作動は1倍速記録で全時間の 1.2% にとどまりました。等速に落とすことによる時間増加も、1倍速軌道ベースで見積もると約 3 秒(2倍速試運転の長い折り軌道でも 4〜13 秒)で済みます。この等速キャップを有効にして再び実機を回すと、試運転は直ちに 3試行中2試行成功 へと改善しました。
実機 100 試行での検証結果
この2秒チャンクモデルについて、①1.0倍速で再生した対照条件と、②上限2.0倍速+滑らか速度計画+状態遅れ補正(rate)+1回目折り等速キャップを組み合わせた本命条件を、2台のロボットで50試行ずつ(各条件計100試行)評価しました。参考として、同じデータで学習した従来の1秒チャンク()モデルの1.0倍速ベースラインも併記します。
| 条件 | チャンク長 / 再生倍率 | 成功率 | 成功時の完了時間(平均 / 中央値) | 120秒未完了 |
|---|---|---|---|---|
| (参考)従来の1秒チャンク・1.0倍速 | (1.0秒) / 1.0倍速 | 74.0% | 76.6 秒 / 73.8 秒 | 19 件 |
| 2秒チャンク・1.0倍速(対照) | (2.0秒) / 1.0倍速 | 58.0% | 80.9 秒 / 80.7 秒 | 32 件 |
| 2秒チャンク・2.0倍速 + 1回目折り等速キャップ | (2.0秒) / 最大2.0倍速 | 70.0% | 63.8 秒 / 57.9 秒 | 21 件 |
この結果からは2つの重要な事実が読み取れます。
第1に、同一の2秒チャンクモデル同士の直接比較(下2行)において、2.0倍速化は完了時間を平均 80.9 秒 → 63.8 秒(−21.1%、中央値では 80.7 秒 → 57.9 秒で −28.3%)短縮しただけでなく、成功率も 58.0% → 70.0%(+12.0 ポイント)へ引き上げました。移動・把持・空中展開のサイクルが高速化されたことで、序盤に角の掴み損ねが1〜2回起きても 120秒の制限時間内にリカバリし切れるようになり、120秒未完了が 32件から21件へ約3分の1減った ためです。
第2に、従来の1秒チャンク・1.0倍速ベースライン(74.0% / 平均 76.6秒・中央値 73.8秒)との対比です。出力ホライズンを2秒に広げたモデル単体を1.0倍速で動かした場合には成功率が 58.0% と低く出ますが、本来の設計目標である 2.0倍速再生+状態遅れ補正+1回目折り等速キャップ と組み合わせることで、元の1秒チャンクモデルと統計誤差内で並ぶ 70.0% の成功率を保ちながら、完了時間を平均で 12.8 秒(−16.7%)、中央値で 15.9 秒(−21.5%)短縮することができました。
4. 既存手法との技術的な違い
模倣学習や VLA モデルの動作を実演データより高速化する近年の研究は、大きく「学習データ・モデル側で速くするアプローチ」と「推論時の行動チャンク再生を工夫するアプローチ」の2つに分けられます。
前者の学習側アプローチには、自由移動区間のデモ動画を時間圧縮して再学習する DemoSpeedup[7] や、複数のテンポにリサンプリングしたデータでの学習と強化学習ファインチューニングを組み合わせる SpeedAug[8] などがあります。しかし、数千エピソード規模の事前学習データセットを作り直して基盤モデルから再学習するコストは大きく、既存の学習済みモデルをそのまま活かせる推論時アプローチ(2倍速以上の長ホライズン化も軽量なタスクファインチューニングのみで済む構成)の方が実運用に適しています。
推論時に行動チャンクを実演速度以上に加速する代表的な既存手法としては、2段階の倍率切り替えを行う SAIL[4] と、チャンクを3次スプライン化して関節速度・加速度制約の下で時間最適軌道計画(TOPP-RA)を解く RACE[5] および RoboPace[6] があります。これらと私たちの手法を、実機の双腕柔軟物操作( + Training-Time RTC + 位置制御ロボット)への適用という観点で比較すると、設計上の明確な違いがあります。
| 比較の観点 | SAIL[4] | RACE[5] | RoboPace[6] | 本手法(私たちの構成) |
|---|---|---|---|---|
| 高速化時のサーボ追従遅れ対策 | 行動ラベルを「到達実測位置」に書き換えてポリシーを再学習 + 高ゲイン制御器へ変更 | 行動ラベルを「到達状態」に書き換えてポリシーを再学習 | なし(未対処) | 再学習・制御器変更なし。1倍速データの定常遅れ()を残す状態遅れ補正 |
| 非同期推論遅延とチャンク境界接続 | 推論時ガイダンス + 遅延からの最大倍速上限式 | 複数チャンクを並列生成し到達可能性で選抜(Test-Time Search) | オープンループ推論 + 位置の単純線形ブレンド | Training-Time RTC 統合(実効遅延スケーリング・非整数位相1x再標本化・C2 smoothstep接続+プレフィックス補正・ 混合遅延学習) |
| 生成モデル特有の微細ノイズ曲率対策 | 学習前デモのベジェ平滑化のみ(推論時対策なし) | なし | なし | 推論時の 9点 Savitzky-Golay 前処理(2階微分の疑似曲率による 0.8倍速への逆減速を防止) |
| 減速トリガと柔軟物(布)への対処 | 軌道複雑度フラグまたはグリッパー開閉による高速/低速の2値切り替え | 関節速度・加速度上限のみ(グリッパー・接触・柔軟物は非考慮) | 手と台・手同士の接近距離 + 別学習の視覚接触予測ネット(4.69M CNN+GRU) | 追加モデル学習なし。電流制御グリッパーの連続勾配キャップ+保持ホールドと、双腕FK先読みによる1回目折り等速キャップ |
既存手法との技術的な違いは、次の3点に集約されます。
- 1. 「遅れゼロ」ではなく「1倍速の定常遅れ分布」を復元する状態遅れ補正: SAIL や RACE は、高速動作時の制御器の追従遅れに対処するため、「学習データの行動ラベルを指令値から到達実測値へ書き換えてポリシーを再学習する」ことや「低レベル制御器を入れ替える」ことを前提としています。また RoboPace は追従遅れによる状態入力のシフトを扱っていません。これに対し私たちは、既存の指令値学習モデルと位置制御器を一切変えないまま、「1倍速の学習データ自体が定常遅れを含んでいるため、遅れをゼロ(cmd)にするのではなく の遅れを残すべきである」ことを導き、実機100試行の対照実験(cmd での作業台押し付け7件発生 vs rate での押し付け0件)とともに1行の閉形式補間で解決しました。
- 2. Training-Time RTC との統合と、フローマッチング微細ノイズの除去: RACE のように毎推論で複数チャンクを並列サンプリングする計算コストをかけず、単一チャンク推論の Training-Time RTC を可変倍速へ拡張しました(非整数位相からの1倍速グリッド再標本化、C2ブレンド後のプレフィックス整合、および2秒チャンク混合遅延ファインチューニング)。また、フローマッチングが生成する離散チャンクに直接スプライン+速度計画を適用するとステップ間の微細ジッタが巨大な疑似曲率 を生んで逆減速する現象を特定し、Savitzky-Golay 前処理との組み合わせで解消しました。
- 3. 外付けニューラルネットを追加学習しない物理・運動学ベースの減速制御: RoboPace も双腕ロボットでのタオル畳み(約1.5〜1.65倍速)を評価していますが、その減速判定は「手メッシュと作業台・反対の手との接近距離」および「手首画像から接触までの歩数を予測する別学習ネットワーク」に基づいています。しかし2.0倍速の半分折りで起きた破綻は、すでに両手で布を掴んで空中に持ち上げており、作業台とも反対の手とも接触しないまま振った慣性で布の上端が投げ出される現象であるため、接触接近ベースの減速では捉えられません。私たちは追加のニューラルネットを一切学習せず、電流制御グリッパーの物理速度モデル(連続勾配キャップ+保持ホールド+先読み減速)と、チャンク内の双腕FK軌道から1回目折りを先読みする運動学ルールだけで、アクチュエータと柔軟物の減速要件を満たしました。
5. おわりに:高速再生の境界線と次の一手
本稿では、学習済みポリシーが出力する行動チャンクを1.5〜2.0倍速で再生するにあたり、実機の双腕タオル畳みで直面した3つの壁とその解決策を紹介しました。
- 第1の壁(グリッパーの開閉遅れと生成ノイズの疑似曲率): 電流制御グリッパーの連続速度キャップ・保持ホールド・先読み減速と、9点 Savitzky-Golay 平滑化+C2スプライン最大速度計画により、滑らかで意図通りの倍速再生基盤を構築しました。
- 第2の壁(サーボ追従遅れの拡大による約3 mmの空振りシフト): 遅れを全消去するのではなく「1倍速データの定常遅れ()」を残す閉形式の状態遅れ補正により、モデルの再学習も制御器変更もなしに、作業台への押し付けを防ぎつつ山積みタオル畳みの完了時間を 26.8% 短縮(78.3 秒 → 57.4 秒) しました。
- 第3の壁(2.0倍速での1秒チャンク枯渇と慣性によるタオルの投げ出し): 2秒チャンク()・混合遅延分布でのファインチューニングと、双腕FK先読みによる「1回目折り」の等速制限により、丸テーブル供給タオル畳みにおいて1.0倍速対照から成功率を 58.0% → 70.0%(+12.0 ポイント) へ引き上げつつ、完了時間を 21.1% 短縮(平均 80.9 秒 → 63.8 秒、中央値 80.7 秒 → 57.9 秒) しました。
同時に、この一連の実験は「行動チャンクの時間軸圧縮で速くできる領域と、そうでない領域の境界線」もはっきりと浮かび上がらせました。何も持っていない移動、タオルへの接近と把持、空中での持ち替え展開、そして重なって剛性の増した2回目の折りまでは、1倍速の軌道を時間圧縮するだけで2倍速まで引き上げられます。一方、薄く広がった布を大きく運ぶ「1回目の半分折り」は、そのまま時間軸を縮めると慣性で布が叩きつけられて折り目が崩れてしまいます。
この最後の区間まで含めてロボットをさらに速くするには、1倍速の手本を速く再生するのではなく、「速く動かしても布が暴れず綺麗に重なる軌道形状そのもの」を実機の試行錯誤(強化学習など)を通じてモデルに獲得させる必要があります。推論制御で絞れる時間と、学習でしか変えられない物理軌道を明確に切り分けられたことは、次の研究開発に向けた大きな足場になりました。
私たちは、リネンサプライ工場の現場で実際にロボットを動かしながら、物理現象・制御工学・機械学習の境界にあるこうした課題を一つずつデータと数理で解き明かしています。論文の手法をそのまま動かすだけでなく、「なぜ実機で3ミリ浮くのか」「なぜ遅れをゼロにすると机を押すのか」まで踏み込んで原因を特定し、最短距離で現場の利益(時給)を動かすエンジニアリングに面白さを感じる方がいれば、ぜひ採用ページから声をかけてください。一緒にタオルを畳みましょう。
参考文献
- [1]Kevin Black, Noah Brown, Danny Driess, et al. (Physical Intelligence). : A Vision-Language-Action Flow Model for General Robot Control. arXiv:2410.24164, 2024.
- [2]Physical Intelligence, Kevin Black, Noah Brown, et al. : a Vision-Language-Action Model with Open-World Generalization. arXiv:2504.16054, 2025.
- [3]Kevin Black, Allen Z. Ren, Michael Equi, and Sergey Levine. Training-Time Action Conditioning for Efficient Real-Time Chunking. arXiv:2512.05964, 2025.
- [4]Nadun Ranawaka Arachchige, Zhenyang Chen, Wonsuhk Jung, et al. SAIL: Faster-than-Demonstration Execution of Imitation Learning Policies. arXiv:2506.11948, CoRL 2025.
- [5]Sunwoo Kim, Jeongjun Kim, and Joseph J. Lim. RACE: Time Optimal Execution of Action Chunk Policies Beyond Demonstration Speed. ICLR 2026 (OpenReview: INsLvSCJ4z).
- [6]Mimo Shirasaka, Takehiko Ohkawa, Takuya Okubo, Nicola Scianca, Tatsuya Matsushima, and Kei Ota. RoboPace: Contact-Aware Time-Optimal Retiming for Action-Chunk Policies. arXiv:2610.09696, 2026.
- [7]Lingxiao Guo, Zhengrong Xue, Zijing Xu, and Huazhe Xu. DemoSpeedup: Accelerating Visuomotor Policies via Entropy-Guided Demonstration Acceleration. arXiv:2506.05064, CoRL 2025.
- [8]Taewook Nam, Junmo Cho, Youngsoo Jang, and Sung Ju Hwang. SpeedAug: Policy Acceleration via Tempo-Enriched Policy and RL Fine-Tuning. arXiv:2512.00062, 2025.
- [9]Omotenashi Robotics (Kanta Sugiyama). タオル畳みを、時給で測る (Measuring Towel Folding in Yen per Hour). Omotenashi Robotics Research, 2026.

ML エンジニアを募集しています
研究の価値は「新規性」ではなく、「真の目的を動かしたかどうか」だけで測る。これが自分の研究文化だと感じたら、まずはお話からで構いません。共同研究・技術提携のご相談も同じ窓口で承っています。
この記事を引用する
BibTeX 形式です。そのまま文献管理ソフトに貼り付けられます。
@misc{omotenashi-action-chunk-fast-playback-2026,
author = {Kanta Sugiyama},
title = {成功率を落とさずロボットの動作を高速化する――行動チャンク倍速再生でぶつかった3つの壁とその解決策},
year = {2026},
url = {https://omotenashi-robotics.com/research/action-chunk-fast-playback},
note = {おもてなしロボティクス株式会社 Research}
}