予測誘導型行動選択のためのグラフ動力学モデル

本論文は LY-GWM-RoboCasa-Human300 と呼ぶロボット政策を提示する。構成は (1) Human300 で fine-tune した GR00T-N1.5 の action generator、(2) action-conditioned graph dynamics model、(3) 学習済みの binary state-reward scorer の3要素。推論時に4つの action chunk をサンプルし、各候補の将来 latent 特徴と robot state を予測、予測状態の reward logit が最大の候補を実行する。予測が環境へ送る行動に影響する点が特徴。評価時は3要素すべて frozen、予測 horizon は16 step。RoboCasa 1.0.1 の pretrain kitchen split 50 タスクで評価している。

- 比較対象は historical な self-trained GR00T-N1.5 baseline。 - 局所評価では 207/2,500 (8.28%) 対 181/2,500 (7.24%) で、差は 26 成功・1.04 ポイント。 - atomic group では 141/900 から 150/900 に改善。 - ただし著者らは局所と公式の差を model improvement に帰属しないと明言し、あくまで『positive historical difference』として記述する。 - 公式再評価は RoboCasa maintainers による別報告で、局所結果とは分離して扱う。

- Human300-fine-tuned GR00T-N1.5 を action generator として使用。 - action-conditioned graph dynamics model が候補 action chunk の将来 latent 特徴と robot state を予測。 - learned binary state-reward scorer が予測状態の reward logit を算出。 - 推論時は4候補をサンプルし、予測 reward logit 最大の chunk を選択・実行。 - 予測 horizon は16 step、評価中は3コンポーネントを frozen に保つ。 - 学習段階・推論機構・評価来歴・公開 reproduction entrypoints を記述。

- 局所評価: RoboCasa 1.0.1 の pretrain kitchen split 50 タスク、各50 episode。 - 結果: 207/2,500 成功 (8.28%)、baseline は 181/2,500 (7.24%)。 - atomic group: 141/900 から 150/900 へ。 - 公式: RoboCasa maintainers が再評価し 354/1,500 成功 (23.6%)、50 タスク。leaderboard は Atomic-Seen 48.3%、Composite-Seen 16.3%、Composite-Unseen 3.1%。 - 局所監査で 212,700 の changed environment-input chunks (atomic 内 28,223) を記録。 - 局所と公式は別々に報告され、両者の差は model improvement に帰属されない。

- 局所結果と公式結果の差は model improvement に帰属しないと明示され、評価来歴の分離が強調される。 - 予測が実際に環境入力行動を変えていることを changed environment-input chunks の監査で示す。 - 改善幅は 1.04 ポイントと限定的で、統計的有意性や分散については要旨からは不明。 - 3コンポーネントを frozen で評価しており、end-to-end 学習の効果は要旨からは不明。 - 予測 horizon 16 step の妥当性や他タスクへの一般化は要旨からは不明。

- 比較対象として明示される self-trained GR00T-N1.5 baseline と Human300-fine-tuned GR00T-N1.5。 - 構成要素として action-conditioned graph dynamics model と binary state-reward scorer の関連研究。 - 評価基盤として RoboCasa 1.0.1 および RoboCasa leaderboard。 - 候補選択型の推論手法として action chunking と prediction-guided action selection の関連研究。