少数の人間動画から方策をステアチューニング

- ロボット学習の新しい手法「Steertuning」を提案。 - 5つの人間のデモンストレーションから、新しい環境で新しいタスクを5分以内に学習。 - 2つの要素から構成： - 100時間の自己中心視点の人間データセットで事前学習した400Mパラメータのdiffusion policy。 - 5つのデモで2分間（2000回の更新）ファインチューニングし、逆サンプリング中に最も近い観測のデモで行動をsteer。 - 12の新しい環境で12のタスクを71%の成功率で達成。 - データ収集から展開まで5分未満。

- 従来のロボット学習は大量のロボットデモンストレーションを必要とした。 - Steertuningは5つの人間のデモのみで、新しい環境とタスクに適応。 - 事前学習により背景の違いに頑健で、空間的・物体的な一般化が可能。 - 従来手法と比べて必要なデータ量と時間を大幅に削減。

- 400Mパラメータのdiffusion policyを、100時間の密に注釈付けされたランダムインタラクションを含む自己中心視点の人間データセットで事前学習。 - 新しいタスクの5つのデモで2分間（2000回の更新）ファインチューニング。 - 逆サンプリング中に、展開環境の観測に最も近いデモを用いてポリシーの行動をsteer。 - embodiment transferのためのデータ処理パイプラインを設計。

- 12の新しい環境（実験室から新しい家のキッチンまで）で12のタスクを評価。 - 71%の成功率を達成。 - データ収集からロボットポリシーの展開まで5分未満で完了。

- 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、diffusion policy、人間のデモンストレーションからのロボット学習、embodiment transferが挙げられる。