PACE: 進捗整合コンテキストによる段階一貫性のある長期的ロボットマニピュレーション

- 長期的なロボットマニピュレーションを、デモンストレーション条件付きポリシーで実行する手法。 - 視覚的に類似した状態が異なる段階で再出現する場合や、デモと実行の速度が異なる場合に生じる『stage confusion』を特定。 - これを解決するため、実行の進捗に応じて完全なデモを継続的に再解釈するstatefulな手法『Progress-Aligned Context for Execution (PACE)』を提案。 - テスト時の段階ラベルや段階別ポリシーを必要とせず、統一的なdiffusion action expertで動作する。

- 従来のdemonstration-conditioned policiesは、視覚的に類似した状態が異なる段階で現れる場合や、デモと実行の速度差がある場合にstage confusionを起こしやすい。 - PACEは、デモを順序付きマルチモーダルprompt tokensに圧縮し、訓練時のみのdual-edge attention supervisionで潜在的な段階構造を露出。 - 実行時にはepisode-local fast-weight memoryが実現されたaction-observation遷移を因果的に符号化し、prompt cross-attentionを調節。 - これにより、テスト時の段階ラベルや段階別ポリシーなしで進捗に整合したcontextを生成し、stage confusionを軽減する点が新しい。

- デモンストレーションを順序付きマルチモーダルprompt tokensに圧縮。 - 訓練時のみdual-edge attention supervisionを適用し、デモの潜在的な段階構造を明示的に学習。 - 実行時、episode-local fast-weight memoryが因果的にaction-observation遷移を符号化。 - このmemoryがprompt cross-attentionを調節し、進捗に整合したcontextを生成。 - 統一的なdiffusion action expertがそのcontextを用いて行動を生成。テスト時の段階ラベルや段階別ポリシーは不要。

- LIBERO-Gen Goal Chainで成功率が88.9%から94.0%に向上。 - Spatial Combinationで79.1%から83.3%に向上。 - two-step Block Routingタスクで33.3%から73.3%に向上。 - 失敗分析により、構造化されたデモンストレーション整合と因果的実行メモリが共同でstage confusionを軽減することを示唆。

- 失敗分析から、構造化されたデモンストレーション整合と因果的実行メモリがstage confusionの軽減に寄与することが示唆された。 - ただし、stage confusionの定量的な定義や、他の失敗モードとの比較、計算コストやスケーラビリティに関する議論は要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、demonstration-conditioned policies、diffusion policy、fast-weight memory、cross-attention modulation、LIBERO-Genベンチマークなどが挙げられる。 - 同分野の定番として、Behavior Cloning、Imitation Learning、Transformer-based policies、Long-horizon manipulation benchmarks（例：LIBERO）を次に読むべき論文として推奨。