CARF: 失敗誘導フローマッチングの対比的引力-斥力

- ロボットのデモンストレーション収集では、成功軌道だけでなく失敗軌道も生じる。 - 既存手法は失敗軌道から進捗のあるセグメントを模倣するが、失敗に直結する failure-critical behaviors を見落としている。 - 本論文は、progressive segments は模倣し、failure-critical segments は明示的に回避すべきという非対称な監督の考えを提案。 - これを実現する CARF (Contrastive Attraction-Repulsion of Failure-guided framework) を提案。 - 不完全なロボットデータから学習する枠組み。

- 既存手法は失敗軌道から進捗セグメントのみを利用し、failure-critical behaviors を無視していた。 - CARF は progressive と failure-critical を非対称に扱い、模倣と回避を同時に行う。 - 曖昧なセグメントを除外することで、信頼できない監督を避ける。 - 不完全データをより包括的に活用できる点が先行研究と異なる。 - シミュレーションと実世界で一貫した改善を示す。

- progress-based importance scorer を導入。 - 成功した expert demonstrations とその perturbation 結果のみで scorer を訓練。 - 各ステップのタスク完了への寄与を推定し、失敗軌道中の informative regions を特定。 - スコアが unified flow-matching objective を導き、progressive behaviors へ attract、failure-critical から repel。 - 曖昧なセグメントは除外。

- シミュレーションと実世界での広範な実験を実施。 - 多様な failure scenarios で競合ベースラインに対し一貫した改善を確認。 - ablation により scoring と attraction-repulsion メカニズムの有効性を検証。 - 詳細は要旨からは不明。

- 要旨からは不明。 - ただし、progressive と failure-critical の非対称監督の有効性、曖昧セグメント除外の影響、scorer の汎化性などが議論され得る。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として flow matching、imitation learning、learning from imperfect demonstrations、contrastive learning が挙げられる。 - 同分野の定番として Behavior Cloning、DAgger、GAIL などが考えられる。