接触の多い操作のための同変視覚触覚拡散ポリシー

接触の多い操作のための模倣学習において、高品質な専門家データの取得コストが高い問題に対処するため、サンプル効率の良いポリシー学習を目指す研究。提案手法 VISTA は、workspace-level の equivariant な visuotactile diffusion policy であり、視覚と触覚の観測を球面トークンに投影し、触覚の接触キューを視覚球面方向に注入し、end-effector の向きで融合表現を回転させる。これにより空間的に一貫した行動を予測する。

要旨では、強力な visuotactile imitation learning ベースラインと比較して、シミュレーションと実世界の両方でデータ効率を大幅に改善したと述べられている。具体的なベースライン名や先行研究の詳細は要旨からは不明。

- VISTA は workspace-level の equivariant visuotactile diffusion policy - 視覚と触覚の観測を spherical tokens に投影 - permutation-equivariant spherical fusion により触覚の接触キューを視覚球面方向に注入 - 融合された harmonic representation を end-effector の向きで回転 - 得られた表現が equivariant diffusion policy の条件付けとなり、空間的に一貫した行動を予測

要旨によれば、シミュレーションと実世界のロボティクス設定の両方で広範な実験を行い、強力な visuotactile imitation learning ベースラインと比較してデータ効率を大幅に改善した。具体的な評価指標やタスクの詳細は要旨からは不明。

要旨からは不明。

要旨で参照/比較されている研究や関連手法の具体名は記載されていない。同分野の定番として、visuotactile imitation learning、equivariant policy、diffusion policy に関する論文が挙げられる。