スケジュールではなくタスクを学ぶ：両腕模倣学習における偽の腕間結合の低減

- 両腕模倣学習（bimanual imitation learning）におけるspurious cross-arm coupling（タスクに不要な腕間の時間的結合）を低減する手法Constraint-preserving Temporal Recombination (CTR)を提案する研究。 - 両腕デモは「何をするか」と「各腕がいつ動くか」のスケジュールの両方を含むが、標準的な模倣学習は両者を区別せず、反対腕の進捗をショートカット手がかりとして利用しうる点を問題視。 - CTRは訓練時のデータ介入により、腕ローカルのセンサ運動内容を保ちつつ、タスク必須の腕間制約を満たす許容スケジュールへ再タイミングする。 - Diffusion Policy、Action Chunking with Transformers、$π_{0.5}$に適用し、シミュレーション4タスク・実機4タスクで評価。

- 標準的な模倣学習やスケジュール混合（schedule mixture）ベースラインは、記録された特定スケジュールに依存し、タスクに不要な腕間結合を学習しうる。 - CTRは「タスク必須の腕間制約」と「偶発的なスケジュール選択」を分離し、後者のみを再タイミングで多様化する点が新しい。 - 実機6つの両腕進捗状態初期化で、最良の非CTRスケジュール混合のworst-state成功率56%に対しCTRは76%へ改善。 - $π_{0.5}$のIndependentタスクで、Concurrentスケジュール分布では4s停止が反対腕へ2.56sの遅延を伝播するが、CTRでは0.25sに抑制。 - 実機でタスク制約違反がCTRは0–4%に対し、狭スケジュールベースラインは36–98%。

- Constraint-preserving Temporal Recombination (CTR)：訓練時のデータ介入。 - 記録済みの腕ローカルなセンサ運動内容（arm-local sensorimotor content）を保持したまま、対応するセグメントを再タイミングし、タスク必須の腕間制約を保つ許容スケジュールを実現。 - これにより、反対腕の進捗をショートカット手がかりとして使うspurious cross-arm couplingを低減。 - Diffusion Policy、Action Chunking with Transformers、$π_{0.5}$といったポリシーに適用可能な訓練時データ拡張として設計。

- シミュレーション4タスク・実機4タスクで評価。 - ポリシーはDiffusion Policy、Action Chunking with Transformers、$π_{0.5}$を使用。 - 実機6つの両腕進捗状態初期化でworst-state成功率を比較（CTR 76% vs 最良非CTR 56%）。 - $π_{0.5}$のIndependentタスクで、Concurrentスケジュール分布下の4s停止が反対腕へ与える遅延を測定（2.56s vs CTR 0.25s）。 - 実機でのタスク制約違反率を比較（CTR 0–4% vs 狭スケジュールベースライン36–98%）。

- 要旨からは不明（CTRの限界、適用条件、計算コスト、実機タスクの詳細な議論は要旨に明記されていない）。 - 示唆として、スケジュール混合では不十分で、タスク制約を保った再タイミングが重要である点が議論の中心。 - 実機での制約違反率の差は、狭スケジュールベースラインがスケジュール依存のショートカットを学習することを示唆。

- Diffusion Policy（比較対象ポリシー） - Action Chunking with Transformers (ACT)（比較対象ポリシー） - $π_{0.5}$（比較対象ポリシー） - スケジュール混合（schedule mixture）ベースライン - 両腕模倣学習（bimanual imitation learning）およびspurious correlation／shortcut learningに関する研究 - コード: https://github.com/MINT-SJTU/CTR