注目★★★★★Hugging Face Papers
Geometric Action Model：3D幾何学基盤でロボット操作精度向上
30秒で把握
- 1GAMがGFMを中間分割し知覚・予測・行動を単一バックボーンで統合
- 2言語条件付き因果予測器で将来潜在トークンを生成し3D幾何学を活用
- 3実ロボット含む複数ベンチマークで既存基盤モデルより精度・速度・軽量性で上回る
要約
研究チームはGAM（Geometric Action Model）を提案し、事前学習済みの幾何学基盤モデル（GFM）をロボット操作ポリシーの知覚・時系列予測・行動デコードに直接活用した。既存のVLAやWAMが2D画像空間で動作するのに対し、GAMはGFMを中間層で分割し、浅層を観測エンコーダ、挿入した因果予測器で言語・固有感覚・行動履歴から将来の潜在トークンを予測する。シミュレーションおよび実ロボットの操作ベンチマーク群で、GAMは現行の基盤モデル規模のベースラインより精度・ロバスト性・速度・軽量性すべてで優れた結果を出した。
あなたへの影響
接触の多い物体操作タスクに取り組むロボティクスエンジニアは、既存の2D中心なVLAの代替としてGAMアーキテクチャの評価を検討する価値がある。
推奨：アーキテクチャ改変が最小限で済むため、既存GFMへの組み込みコストが低い可能性がある。