NEEDLEWORK: 検証済み局所ステッチによるロボットデータのオフライン書き換え

- ロボットのデモンストレーションから、非効率・失敗を含むエピソードでも有用な行動を抽出し、軌道を接続(stitching)して訓練データを拡張するオフライン手法 NEEDLE を提案。 - 高次元ロボットデータ(RGB画像、proprioception、エピソード単位の結果)のみを用い、新たな環境相互作用や特権的な物体状態なしで、記録済み観測間に短く検証済みの action bridge を追加する。 - これにより、suboptimal な回り道を回避し、action coverage を広げ、失敗軌道も活用したデータセット拡張を実現する。

- 従来の trajectory stitching は低次元状態表現に依存することが多く、高次元ロボットデータでは有用な接続の発見と feasibility の検証が困難だった。 - NEEDLE は RGB 画像と proprioception のみを用い、新たな環境相互作用や privileged object state を必要とせずに、高次元データでの接続生成と検証を可能にした。 - 実ロボットタスクで最強ベースラインに対し平均 21 パーセントポイントの成功率向上を達成。

- 記録済み観測間に短い action bridge を追加するオフライン・データ拡張アルゴリズム。 - まず、suboptimal な回り道を迂回し、action coverage を広げ、失敗軌道も活用する接続を特定・生成。 - 次に、受け入れられた bridge をポリシー訓練に組み込むサンプリング手法を提案。中間画像を合成せず、元のデモンストレーションを破棄しないため、元データの coverage を保持しつつ代替行動を学習可能。

- 実ロボットタスクで評価を実施。 - 各タスクで最強ベースラインと比較し、成功率が平均 21 パーセントポイント向上。 - 詳細な実験設定やタスクの種類は要旨からは不明。動画と補足資料が https://needle-work.github.io/ で公開。

- 要旨からは、手法の限界や失敗事例、計算コスト、スケーラビリティに関する議論は不明。 - 実ロボットタスクでの成功率向上は示されているが、他のタスクや環境への一般化可能性については言及されていない。

- 要旨で参照・比較されている具体的な先行研究は明示されていない。 - 関連手法として trajectory stitching、offline dataset augmentation、imitation learning、offline reinforcement learning などが挙げられる。 - 同分野の定番として、RoboMimic、D4RL、Decision Transformer、Diffusion Policy などの論文を読むことが推奨される。