生成的ロボットポリシーのためのゼロショット反応的障害物回避

- 拡散モデルやflow matchingに基づくロボットポリシー（diffusion policiesやvision-language-action modelsを含む）に、訓練なしで組み込める障害物回避手法NUDGEを提案。 - 推論時にsigned distance fieldの勾配をポリシーに注入し、障害物から遠ざける。 - 絶対/相対関節姿勢からend-effector姿勢まで、微分可能なjoint-trajectory decoderを通じて任意の行動パラメータ化をサポート。 - タスク分布を保持しつつリアルタイムで反応的に動作する。

- 従来の障害物回避は訓練や再学習を必要とすることが多いが、NUDGEはtraining-freeで任意のdiffusion/flow matchingポリシーに適用可能。 - 特定の行動パラメータ化に依存せず、微分可能なjoint-trajectory decoderにより多様な表現を扱える点が新しい。 - タスク分布を保持しながらリアルタイム反応性を実現する点で優位。

- 推論時にsigned distance field（各点から最近傍障害物までの距離を返す関数）の勾配を計算し、ポリシーの生成過程に注入。 - 微分可能なjoint-trajectory decoderを介して、関節軌道やend-effector姿勢などの行動パラメータに変換。 - これにより、ポリシーの出力を障害物から遠ざけるように誘導する。

- 実験により、NUDGEがポリシーのタスク分布を保持し、リアルタイムで反応的に動作することを示した。 - 具体的な評価指標やデータセットは要旨からは不明。

- 要旨からは不明。

- diffusion policies、vision-language-action models、flow matchingに関する論文。