経験誘導による学習済みスキル合成のための開始状態探索

- 凍結された学習済みスキル（例: Vision-Language-Action (VLA) policies）を新環境で使う際に、信頼できる実行を支える initiation configuration を特定する問題を扱う。 - スキル合成では initiation configuration が後続スキルに渡す物理状態にも影響するため、個々のスキル成功が合成タスク成功を意味しない。 - 限られた target interaction 下で信頼できる initiation configuration を発見する EVIS を提案。 - EVIS は Experience-Guided かつ Behavior-Validated な Initiation Search framework。

- 従来は target-specific capability を推定するために大量の rollouts が必要で、実世界展開では高コスト。 - 歴史的経験の直接再利用は環境変化下で信頼性が低い。 - EVIS は historical execution experience で候補を優先しつつ、target-environment behavior で有効性を検証する点が異なる。 - 小さい interaction budget で reliable candidate discovery を改善。

- historical execution experience を用いて有望な候補を優先（prioritize）。 - target-environment behavior を用いて候補が依然有効かを検証（validate）。 - これにより限られた target interaction 下で reliable initiation configurations を探索。 - 詳細なアルゴリズムやモデルは要旨からは不明。

- single-skill および two-stage manipulation tasks で frozen VLA policies を用いて評価。 - EVIS は mean target-environment queries を削減。 - 小さい interaction budgets 下で reliable candidate discovery を改善。 - 具体的なタスク設定やベースラインは要旨からは不明。

- historical guidance と target-side behavioral validation の組み合わせが、新環境での frozen learned skills 展開の interaction cost を削減しうる。 - 限界や失敗事例、環境変化の種類による影響は要旨からは不明。 - より複雑なスキル合成や長期タスクへの適用可能性は要旨からは不明。

- 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 Vision-Language-Action (VLA) policies、skill composition、initiation search が挙げられる。 - 同分野の定番として imitation learning、reinforcement learning、robot manipulation の文献を参照するとよい。