ずれた座標系を見抜く：視覚・力覚精密組立のための特権ノイズ蒸留

視覚と力覚を用いた精密組立において、pose error が観測だけでなく行動の座標系 (coordinate frame) を歪める問題を扱う研究。FORGE benchmark では真の pose なら 97-99% 成功する state-based policy が σ=5 mm の pose-noise で 32-60% に低下する。訓練時のみ得られる privileged 情報 (offset) を student に蒸留し、テスト時は noisy state、raw wrench window、2 台の RGB camera のみで動作する手法を提案。

- 従来の state-based policy は σ=5 mm で 32-60% 成功にとどまる。 - 提案手法の teacher-route student は σ=0-5 mm で 92-99% 成功を維持。 - 6 つの non-privileged baseline は 2-80% に低下するのに対し、提案は頑健。 - 同一 student 構成・データ量・訓練手順の behavior cloning 比較で、offset 情報なしのデモは σ=5 mm で 31.5% 成功、privileged デモは 88.7%、relabelled デモは 95.8% に達し、頑健性の源泉が supervision にあることを分離。 - Franka への zero-shot 展開で σ=5 mm の pooled 成功 83.3% に対し、最強の state-based policy は 34.4%。

- 訓練時のみ利用可能な privileged teacher が simulation で offset を観測。 - あるいは clean demonstration を displaced frame に closed form で relabel。 - 展開する student は behavior cloning の後、1 ラウンドの DAgger で訓練。 - テスト時入力は noisy state、raw wrench window、2 台の RGB camera のみ。 - 展開可能な sensing だけでは不十分で、latent frame offset の補償を符号化する supervision が頑健性に必要。

- FORGE benchmark の未改変タスクで評価。 - teacher-route student は σ=0-5 mm で 92-99% 成功。 - 6 つの non-privileged baseline は 2-80% に低下。 - 同一 student 構成・データ量・訓練手順の behavior cloning 実験で、offset なしデモ 31.5%、privileged デモ 88.7%、relabelled デモ 95.8% (σ=5 mm)。 - Franka に zero-shot 展開し、σ=5 mm で pooled 成功 83.3% (最強 state-based policy は 34.4%)。

- 展開可能な sensing だけでは不十分で、latent frame offset の補償を符号化する supervision が頑健性に必要と主張。 - 訓練時のみ offset にアクセスする privileged 情報の利用が鍵。 - 要旨からは、sim-to-real gap や他のノイズ源、計算コスト、一般化限界についての議論は不明。

- FORGE benchmark (本論文で使用) - DAgger (訓練手法) - behavior cloning (比較手法) - state-based policy (比較対象) - privileged learning / privileged teacher (関連手法) - Franka (展開プラットフォーム)