iLearn-Lab/VLA-Diffusion-Policy-Robotics

解決する課題

ロボット操作の研究者は、拡散ポリシーの急速に成長する分野をマッピングする、単一の組織化されたリファレンスを欠いています。2022年以降、拡散ベースの手法は多くのロボットタスクで従来のアプローチを一貫して上回っていますが、論文はさまざまな会場に散在し、用語も一貫していません。このプロジェクトは、既存の文献を体系的に分類し要約する最初の包括的なサーベイを提供することで、そのギャップを埋めます。

仕組み

このサーベイは、拡散ポリシーを3つの角度から検討します：データの表現方法（2D、3D、または異種）、モデルの構築方法（大規模言語モデルベース、小型CNN/トランスフォーマーベース、またはVAE/VQ-VAEベース）、および使用される拡散戦略（例：強化学習、等変性、加速サンプリング、分類器ガイダンス、自己教師あり学習の組み込み）。次に、各カテゴリに関連する論文をリストアップし、論文、コード、プロジェクトページへのリンクを提供します。プロジェクトには、出版物の成長とモデルアーキテクチャの比較を示すタイムラインと図も含まれています。

対象読者

これは、ロボット工学と機械学習の研究者、大学院生、実務者を対象としており、拡散ベースのロボット操作の現状を迅速に理解し、カテゴリ別に関連論文を見つけ、研究ギャップや将来の方向性を特定したいと考えています。

ハイライト

• ロボット操作のための拡散ポリシーに関する最初の包括的な分析で、データ表現、モデルアーキテクチャ、拡散戦略をカバーしています。
• arXiv、コードリポジトリ、プロジェクトウェブサイトへの直接リンク付きの広範な厳選論文リスト。
• LLMベース、小型CNN/トランスフォーマーベース、VAE/VQ-VAEベースの3つのアーキテクチャファミリーを持つ組織化された分類法。
• 拡散ポリシー手法の成長とアーキテクチャ比較を視覚化するタイムラインと統計図を含みます。
• より深い分析と将来の方向性を提供する付随サーベイ論文が利用可能です。