時空間参照でロボット動作を編集する統合インターフェース

- ロボットの生成ポリシーを多様な時空間参照で制御・編集するための統一インターフェース「MAP (Masked Action Space)」を提案する研究。 - keypoints・flows・orientations・keyposes などの時空間制御参照を、同一の時間的 Cartesian action space の部分的指定とみなし、制御可能な manipulation を action inpainting 問題として定式化する。 - Inpainting Policy (IP) が end-effector の欠損 action 次元を再構成し、実行可能なロボット行動を生成する。

- 生成ポリシーは行動合成は可能だが、多様な時空間参照による制御・編集が困難という課題に対し、複数種の参照を単一の action space 上の部分指定として統一的に扱う点が特徴。 - 従来手法との具体的な比較・優位性の定量的記述は要旨からは不明。 - 異なる参照タイプを個別に扱わず action inpainting として共通化する枠組みが新規性として示唆される。

- 時空間参照を MAP (Masked Action Space) として統一し、action inpainting 問題に変換する。 - Inpainting Policy (IP) が end-effector の欠損 action 次元を再構成する。 - progress-guided alignment と multi-mask training を組み合わせ、未見の action-constraint の組み合わせに対応する。 - さらに training-free の RePaint variant を採用し、denoising 中に action を反復的に inpaint して制御誤差を低減する。

- ManiSkill と LIBERO-10 で評価し、平均タスク成功率 92.67% と 64.67% を達成。 - 実世界実験で時空間制御を検証し、平均位置誤差 44.3 mm、回転誤差 7° を報告。 - 多様な参照が実行可能なロボット行動を導けることを示した。

- 実世界での位置・回転誤差が残存しており、精度面の限界や改善余地が議論されうる。 - 未見の action-constraint 組み合わせへの汎化や、参照タイプ間の統一の妥当性については要旨からは不明。 - 具体的な議論・限界の記述は要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として、拡散モデルに基づく生成ポリシー（diffusion policy）、RePaint、action inpainting、ManiSkill、LIBERO-10 に関する論文を次に読む候補として挙げる。