INSPECT: アシスタント利用からロボットの視点選択を学習

- ロボットが組立検査で部品の有無や正しい取付を確認するための視点選択を学習する手法 INSPECT を提案。 - smart-glasses を用いた egocentric assembly assistance の記録から、ロボットの視点選好を学習する。 - 頭部運動や workpiece handling、音声による状態確認を手がかりに、観察と手順結果を結びつける。 - ロボットは現在の観察と既知の pose のみを使い、候補画像なしで視点を選ぶ。

- 従来の視点選択は候補画像や target-domain の視点ラベルを必要とすることが多いが、INSPECT は assistant-video replay による state feedback のみで学習する。 - 比較した非 oracle ポリシーの中で最高の view utility を達成。 - 人間評価による full verifiability を 34.8% から 41.7% に向上。 - IMPACT の angle-grinder 記録では、frozen perception head のまま正しい決定率を 50.6% から 54.3% に改善。

- Presence-Invariant TwinSwap (PI-TwinSwap) により、ペアの identity intervention を通じて物体証拠を校正。 - Claim-indexed supervision で、証拠要件とカメラ再現可能な観察変化を分離。 - Object-centered calibration で相対的な視点選好をロボットの pose に適応。 - Clause-level screening で予測された証拠をチェック。

- 注釈付き assistant-video replay を用いて state feedback をシミュレートし、target-domain の視点ラベルなしで評価。 - 物理的な gearbox assembly の画像で、非 oracle ポリシー中最高の view utility を達成。 - 人間評価で full verifiability が 34.8% から 41.7% に向上。 - IMPACT の商用 angle-grinder 記録で、転移した relative-view selector が frozen perception head で正しい決定率を 50.6% から 54.3% に改善。

- 要旨からは、手法の限界や失敗事例、計算コスト、一般化可能性に関する議論は明記されていない。 - 評価は特定のタスクとデータセットに限定されており、他の組立タスクへの適用可能性は要旨からは不明。

- 要旨で参照されている研究や関連手法は明示されていない。 - 同分野の定番として、active vision、next-best-view planning、egocentric vision、assembly assistance に関する論文が次に読むべき候補。 - 具体的な論文名は要旨からは不明。