模倣学習は器用な操作における時間的ロバスト性を保持するか？タスク実行速度にわたる専門家と学習者の比較

本論文は、模倣学習（Imitation Learning）で訓練された器用操作（Dexterous Manipulation）ポリシーが、実行速度の変化に対してどの程度ロバストであるかを、模倣元のエキスパートと比較して評価する。具体的には、接触リッチなタスクであるParcelStow（パーセルを取得、向きを変え、挿入する）を用いて、エキスパート（スクリプト）と学習者（Action Chunking with Transformers (ACT)）の成功率を、速度倍率を変えて比較する。

先行研究では、模倣学習ポリシーのロバスト性は、シーン、物体、指示などの変化に対して評価されることが多いが、実行速度の変化に対する時間的ロバスト性（temporal robustness）はあまり検討されていない。本研究は、エキスパートと学習者を同じタスク条件、初期条件、速度倍率で比較することで、学習者がエキスパートの時間的ロバスト性をどの程度保持しているかを明らかにする点が新しい。

手法の肝は、エキスパート（スクリプト）と学習者（ACT）を同一条件下で比較する評価フレームワークにある。デモンストレーションは、パーセル取得後の操作フェーズの速度倍率範囲をカバーする。エキスパートとACTは、それぞれのデモンストレーションから訓練され、名目速度で100%の成功率を達成する。その後、速度倍率を変えて成功率を比較し、段階別（stage-level）の失敗分析も行う。

ParcelStowタスクにおいて、エキスパートとACTを名目速度および速度倍率を上げた条件で評価した。名目速度では両者とも100%の成功率だが、最大速度ではエキスパートが84%、ACTが53%に低下した。異なる初期化を持つ2つのACTポリシーは、名目速度から最大速度で34および48ポイント低下し、エキスパートの16ポイント低下よりも大きかった。段階別分析では、ACTの47失敗のうち35が挿入時の位置ずれによるものであった。また、相対運動ハンドオフ条件下では、ACTの取得はすべてリオリエンテーションと自由空間での転送を通過するが、全体のタスク成功率は64%であり、エキスパートの95%を下回った。さらに、力学的閉じ込め（force closure）なしの414回の取得はすべてタスクを完了できなかった。

議論として、名目速度でのタスク成功率が等しくても、実行速度の変化に対するロバスト性がエキスパートと学習者で異なることが示された。これは、模倣学習ポリシーがエキスパートの時間的ロバスト性を完全には継承していないことを示唆する。また、力学的閉じ込めの重要性が示唆されるが、詳細なメカニズムや一般化については要旨からは不明である。

要旨で参照されている関連研究として、Action Chunking with Transformers (ACT) が挙げられる。また、模倣学習のロバスト性評価に関する一般的な研究や、器用操作の時間的ロバスト性に関する研究が関連する。具体的な論文名は要旨にないため、同分野の定番として、模倣学習のロバスト性評価やDexterous Manipulationのベンチマークに関する論文を読むことが推奨される。