接触前の失敗予測を可能にする「ContactGuard」、arXivで公開

何が起きたか

arXivに「ContactGuard: Pre-Contact Execution Monitoring with Action-Conditioned Latent World Models」と題する論文が公開された。同論文は、ロボットが物体に接触する前に失敗を予測する実行監視手法を提案している。接触リッチな操作タスクにおいて、従来の検出器が反応する前に失敗を検知し、動作を中断することを目指す。

詳細

接触を伴う操作タスクでは、ロボットが接触を開始した後に失敗が検出されることが多い。特に手首カメラ構成では、グリッパと物体の近接画像が接触の観察に役立つが、接近動作が不適切な場合、従来の検出器が反応する前に物体を押したり、外したり、滑らせたり、乱したりする可能性がある。 ContactGuardは、チャンク化された視覚運動ポリシー向けの接触前実行監視手法である。ポリシーが計画した行動チャンクを入力とし、その短期的な結果を潜在視覚空間で予測し、予測された未来の潜在表現が失敗を示す場合に動作を中断する。潜在世界モデルは、ラベルなしのロボット軌跡から訓練され、計画された行動下でのコンパクトな多視点視覚埋め込みを予測する。これにより、ピクセルレベルのビデオ予測を回避する。 さらに、小さなラベル付き接触前クリップのセットから軽量な失敗プローブを訓練する。展開時には、接触イベントの直前に予測を固定し、ポリシー自身の行動の下でモデルを前方にロールし、予測された接触後潜在表現を検証する。実世界の接触リッチ操作タスクにおいて、ContactGuardは直接的なアブレーションや破損した行動アブレーションよりも正確に失敗を予測し、基礎となるポリシーを変更せずに、ライブロボットへの接触前中断信号として転送できるとしている。

Key Facts

なぜ重要か

接触を伴う操作タスクでは、失敗が接触後にしか検出されないことが多く、物体の破損やタスクの失敗につながる。ContactGuardは接触前に失敗を予測することで、ロボットが未然に動作を中断できる可能性を示す。また、ピクセルレベルの予測を避け、ラベルなしデータを活用する点で、実用的な監視手法として注目される。