# 模倣学習

RDT-1Bは、パラメータ数10億（現時点での最大規模）の模倣学習拡散トランスフォーマーであり、100万件以上（現時点での最大規模）の多様なロボットエピソードで事前学習されています。言語指示と最大3つのビューのRGB画像が与えられると、RDTはその後64個のロボット動作を予測できます。RDTは、片腕から両腕、関節からエンドエフェクタ、位置から速度、さらには車輪式移動まで、ほぼ全ての現代的な移動操作デバイスと互換性があります。このモデルは、6,000件以上（最大規模の1つ）の独自収集された両腕エピソードで微調整され、ALOHA双腕ロボットに導入されています。器用さ、ゼロショット汎化能力、少サンプル学習において最先端の性能を達成しています。

Surgical Robot Transformerは、模倣学習を用いてダビンチ手術ロボット上で手術操作タスクを実行するモデルです。このモデルは、相対運動方程式を用いることでダビンチシステムの順運動学の不正確さを克服し、ロボットによるポリシーの学習と展開を成功させています。この手法の大きな利点は、近似運動学を含む大量の臨床データを、さらなる補正なしに直接ロボット学習に活用できることです。本モデルは、組織操作、針の操作、結紮を含む3つの基本的な手術タスクの実行において成功を収めています。

HumanPlusは、人間動作の模倣を通じて人型ロボットの自律技能学習を実現することを目指す研究プロジェクトです。低レベル戦略を模倣強化学習で訓練し、それを現実世界に適用することで、人間の身体と手の動作をリアルタイムで追跡します。シャドーイング技術により、オペレーターは遠隔操作でロボットの全身データを収集し、様々なタスクの学習に活用できます。さらに、行動クローニング技術により、ロボットは人間の技能を模倣し、様々なタスクを遂行可能です。

LeRobotは、ロボット分野への参入障壁を下げ、誰もが共有データセットと事前学習済みモデルから恩恵を受け、貢献できることを目的としたオープンソースプロジェクトです。模倣学習と強化学習に特に重点を置き、実世界で検証済みの最先端の方法を含んでいます。LeRobotは、事前学習済みモデル、人間が収集したデモデータを含むデータセット、そしてロボットを組み立てなくても開始できるシミュレーション環境を提供します。今後数週間で、最も手頃で能力の高い現実世界のロボットへのサポートを追加する予定です。

DexCapは、ホログラフィック測距と電磁場技術を組み合わせたポータブルなハンドモーションキャプチャシステムです。正確で遮蔽物に強い手首と指の動き追跡を提供し、環境の3D観測によるデータ収集を行います。DexILアルゴリズムは、逆運動学と点群ベースの模倣学習を用いて、人間のハンドモーションデータから直接、巧みなマニピュレータの技能を学習します。システムはオプションの人間協調補正メカニズムをサポートしており、この豊富なデータセットを活用することで、マニピュレータは人間の動作を複製し、さらに人間のハンドモーションに基づいてパフォーマンスを向上させることができます。