潜在行動によるクロスエンボディメント・ロボット基盤ワールドモデル

- 多様なrobot embodimentsとaction spacesを横断して汎化するrobot world modelの構築は困難。 - 本研究はLatent Action-Conditioned Robot World Model (LAC-WM)を提案。 - 多様なembodiments間で共有される学習済みunified latent action space内で動作する。 - このunified action spaceにより、未見のrobot embodimentsへの適応時のworld model性能が向上する。 - 明示的なmotion labelsに条件づけるExplicit Action-Conditioned World Model (EAC-WM)と比較。

- 従来のexplicit action conditioning (EAC-WM)では、embodiments間でaction representationsがdisjointになり、新規robotへの適応時の下流性能が制限される。 - LAC-WMはunified latent action spaceを学習することでこの問題を回避。 - 下流性能はdexterous manipulationで最大46.7%、LIBEROで11.7%向上。 - さらに、pretraining時のembodiment数増加に対し、LAC-WMの下流性能は正にスケールする。 - 一方EAC-WMはdisjoint action spaceのため、pretraining embodiments数の増加に伴い性能が低下する。

- 多様なembodiments間で共有されるunified latent action spaceを学習。 - そのlatent action space内で動作するLatent Action-Conditioned Robot World Model (LAC-WM)を構築。 - 比較対象のEAC-WMは明示的なmotion labelsに条件づける。 - 両モデルをdexterous manipulation tasksとmodified LIBERO benchmarkで評価。 - 具体的なネットワーク構造や学習手順の詳細は要旨からは不明。

- dexterous manipulation tasksとmodified LIBERO benchmarkで両モデルを評価。 - LAC-WMはEAC-WMに対し、dexterous manipulationで最大46.7%、LIBEROで11.7%下流性能を改善。 - pretraining embodiments数の増加に対するスケーリングを検証。 - LAC-WMはembodiment数増加で下流性能が正にスケール。 - EAC-WMはembodiment数増加で性能が低下することを確認。

- unified action spaceが効率的なcross-embodiment learningに重要であることを示唆。 - これはroboticsにおける主要な課題に対処するもの。 - explicit action conditioningはdisjoint action representationsを生み、適応を制限する。 - 具体的な限界や失敗事例、計算コストなどの議論は要旨からは不明。

- 要旨で参照/比較されている研究: Explicit Action-Conditioned World Model (EAC-WM)、LIBERO benchmark。 - 関連手法としてrobot world models、cross-embodiment learning、latent action spaceに関する研究が挙げられる。 - 具体的な論文名は要旨からは不明。