修正を吸収する学習：視覚ベース挿入のための批評家重み付き残差フロー

- 視覚ベースの挿入タスク(電源プラグ・USB・鍵・ケーブル配線・針通し)を対象としたオンライン学習フレームワーク ACT--Flow を提案する研究。 - adaptive Action Chunking Transformer (ACT) と conditional residual flow policy を組み合わせ、実演から得た挙動を保持しつつ位置合わせ誤差を修正する。 - anchor-guided warmup の後、成功した実行行動を behavioral cloning で ACT に吸収し、更新された prior に対して residual 目標を再計算する。 - chunk-level critic が成功・失敗の相互作用から学習し、生成された residual 候補の重み付けと flow matching に用いられる。

- 単一の prior 方策に頼らず、ACT による挙動吸収と residual flow による修正を組み合わせる点が特徴。 - chunk-level critic を導入し、成功・失敗の両方の相互作用から最終合成行動を評価して residual 候補を重み付けする。 - 20,000 post-initialization interaction steps 時点で5タスク平均成功率66%を達成し、最強の baseline を18ポイント上回ったと報告。 - residual を無効化した同一チェックポイント比較で ACT の平均成功率が16%から76%へ向上したと報告。

- adaptive Action Chunking Transformer (ACT) と conditional residual flow policy を結合したオンライン学習フレームワーク。 - anchor-guided warmup 後、成功した実行行動を behavioral cloning で ACT に吸収し、更新された prior を基準に residual 目標を再計算。 - chunk-level critic が成功・失敗の相互作用から学習し、最終的に合成された行動を評価。その推定値で residual 候補を重み付けして flow matching を行う。 - 成功した実実行からの supervision も併用。候補スコアリングは訓練時のみで、展開時は RGB 観測を用い action chunk ごとに residual を1つサンプルする。

- power-plug、USB、key insertion、cable routing、needle threading の5タスクで評価。 - 20,000 post-initialization interaction steps 時点で平均成功率66%、最強 baseline を18ポイント上回ると報告。 - residual を無効化した同一チェックポイント比較で ACT の平均成功率が16%から76%に向上したと報告。 - コンポーネント ablation により behavior absorption、value weighting、successful-action supervision の相補的役割を支持する結果を得た。

- 要旨からは不明(具体的な限界や失敗事例、計算コスト、critic の誤推定への感度などは記述されていない)。 - 要旨では behavior absorption、value weighting、successful-action supervision の相補的役割が ablation で支持されたと述べられている。

- 要旨で参照・比較されている具体的な先行研究名は不明。 - 関連手法として、adaptive Action Chunking Transformer (ACT)、conditional residual flow policy、flow matching、behavioral cloning、chunk-level critic が挙げられる。 - 同分野の定番として vision-based robotic insertion や imitation learning 関連の研究を次に読む候補として検討できる。