確率的到達可能動作検証：セットベース学習による視覚運動ポリシーの検証

本論文は、視覚運動ポリシー（visuomotor policies）の到達可能性解析（reachability analysis）を確率的に行う手法を提案している。具体的には、視覚エンコーダを凍結し、その出力と下流ポリシーの間の低次元インターフェースに集合伝播（set propagation）を限定することで、計算コストと保守性を抑える。カメラ姿勢の摂動を分布からサンプリングし、zonotopeを用いて集合を伝播させ、終端出力の包囲幅（enclosure width）を最適化するset-based trainingを導入する。評価時には、ロールアウトレベルの分割共形較正（split conformal calibration）を用いて、有限サンプル被覆率を持つ確率的到達可能アクション半径（probabilistic reachable-action radius）を計算する。

従来の到達可能性解析は、視覚エンコーダを含むエンドツーエンドの集合伝播が計算コスト高く、過度に保守的になるため、視覚運動ポリシーには適用が困難だった。本手法は、視覚エンコーダを凍結し、低次元インターフェースに集合伝播を限定することで、この問題を回避し、計算効率と精度のバランスを実現している。また、set-based trainingにより、到達可能集合の幅を直接最適化する点が新しい。さらに、確率的保証を共形予測（conformal prediction）で与える点も、従来の決定的な到達可能性解析とは異なる。

手法の核は、(1) 視覚エンコーダを凍結し、その出力とポリシーの間の低次元インターフェースに集合伝播を限定する。(2) インターフェースの集合は、ホールドアウトされたカメラ姿勢摂動から較正する。(3) この集合をzonotopeでポリシーを通して伝播し、終端出力の包囲幅を計算する。(4) set-based trainingでこの包囲幅を直接最適化する。(5) 評価時には、カメラ姿勢摂動を所定の分布からサンプリングし、ロールアウトレベルの分割共形較正を用いて、アクション偏差スコアを確率的到達可能アクション半径に変換し、有限サンプル被覆率を保証する。

制御されたマニピュレーション実験において、set-based trainingが到達可能アクション半径を減少させ、閉ループタスク性能を維持することを検証した。また、行動のみの制御（behavior-only）、観測整合性（observational-consistency）、点単位敵対的制御（pointwise-adversarial）といった比較対象と比較し、set-based trainingがより小さな半径を達成することを示した。

要旨からは、提案手法の限界や議論についての詳細は不明。ただし、視覚エンコーダを凍結することで、エンコーダ自体の摂動に対する頑健性が保証されない可能性や、インターフェースの較正がホールドアウトデータに依存する点などが考えられるが、要旨には明記されていない。

要旨で参照されている関連研究は明示されていないが、同分野の定番として、到達可能性解析（reachability analysis）や共形予測（conformal prediction）、視覚運動ポリシー（visuomotor policies）に関する論文が挙げられる。具体的には、zonotope-based reachability analysisやconformal prediction for safety guaranteesに関する研究が関連する。