力に敏感なマニピュレーションのためのカリキュラム：触覚反射制御による把持行動の形成

- サブニュートンの接触力で壊れる物体を操作するロボット学習の研究。 - 既存の visuo-tactile policy learning は tactile を policy 入力として扱うが、本研究はデータ収集段階のボトルネックに着目。 - 手動グリッパ制御は遅延・粗粒度で安定把持に必要な狭い力範囲を維持できない。 - そこで 25 Hz の deterministic tactile reflex controller を collection-time teacher として使い、controller-shaped grasping behavior を持つデモを生成。 - tactile-free policy learning を行い、ACT や π_{0.5} で評価。

- 従来の visuo-tactile policy learning は tactile を policy の追加入力とする。 - 本研究は tactile を collection-time teacher として使い、デモの把持行動を形成する新役割を提案。 - 手動デモより reflex-shaped デモが優れ、ACT で nominal plastic-cup タスクの安定把持 95% を達成。 - 視覚的に選別した手動デモを大幅に上回る。 - π_{0.5} でも in-distribution 安定性を改善し、未見の paper-cup 変種で探索的傾向を示す。

- 25 Hz の deterministic tactile reflex controller を収集時の teacher として使用。 - この controller が生成する controller-shaped grasping behavior をデモとして記録。 - 得られたデモで tactile-free policy を学習（ACT, π_{0.5}）。 - 展開時には reflex arbiter を併用する条件も検証。 - 鍵は tactile を policy に統合せず、デモ形成に使う点。

- nominal plastic-cup タスクで ACT が 95% の安定把持を達成。 - 視覚的に選別した手動デモと比較し大幅に優位。 - π_{0.5} で in-distribution 安定性が改善。 - 未見の paper-cup 変種で探索的傾向を確認。 - ランダム外乱下では reflex-data π_{0.5} policy が policy-only 試行の 45% で失敗するが、deployment-time reflex arbiter は全把持を維持。

- tactile feedback の新役割を提示：policy 統合ではなく collection-time teacher として把持行動を形成。 - 外乱拒絶は依然 controller 依存で、tactile-free policy の限界を明示。 - 安定把持には収集時の controller-shaped デモが有効だが、展開時の外乱対応には reflex arbiter が必要。 - この境界が今後の課題。

- Action Chunking with Transformers (ACT) - π_{0.5} - visuo-tactile policy learning - tactile reflex controller - deployment-time reflex arbiter