動作中の着衣支援：人間の動きを考慮した拡散ポリシーによるロボット着衣支援

本論文は、人間の動作に合わせてロボットが衣服を着せる支援を行うための visuomotor policy を提案する。静的専門家デモから学習し、動的なユーザー動作シナリオに一般化する。garment-human interaction geometry に特化した diffusion policy を用い、部分観測点群から学習する。さらに、PDE diffusion に基づく object-centric representation を導入し、腕の軸方向分布を捉える。動作関連領域をサンプリングし、連続観測間でレジストレーションすることで、腕の動きを近似し、実行軌道を適応的に修正する。

従来のロボット支援着衣研究は、静的な人間や固定姿勢を前提とすることが多く、人間の動作中の複雑な接触や遮蔽に対応できなかった。本手法は、静的デモから学習しつつ、動的なユーザー動作に一般化できる点が新しい。また、garment-human interaction geometry に特化した diffusion policy と、PDE diffusion に基づく object-centric representation を導入することで、部分観測下での動作推定と適応的軌道生成を実現している点が優れている。

手法の核は、以下の3点である。(1) diffusion policy を garment-human interaction geometry に特化させ、部分観測点群から着衣スキルを学習する。(2) PDE diffusion に基づく object-centric representation を導入し、腕の軸方向分布を捉える。(3) 動作関連領域をサンプリングし、連続観測間でレジストレーションすることで、腕の動きを近似し、実行軌道をリアクティブに適応させる。

シミュレーションと実世界の人間研究で評価した。実世界では9名の参加者、3種類の衣服、6種類の腕動作パターンを用いた。ベースラインと比較し、着衣進行度、動作自由度、ユーザーの快適性において優れていることを示した。

要旨からは、議論の詳細は不明。ただし、実世界の人間研究で評価していることから、ユーザーとのインタラクションにおける安全性や快適性の考慮が示唆される。また、提案手法は静的デモから学習するため、動的シナリオへの一般化の限界や、より複雑な動作への拡張性についての議論が考えられるが、要旨には明記されていない。

要旨で参照されている研究は明示されていないが、関連手法として diffusion policy や PDE diffusion を用いた研究、ロボット支援着衣の既存研究が挙げられる。具体的には、diffusion policy の元論文や、garment manipulation のための visuomotor policy に関する研究が関連する。