コントローラ横断での文脈的行動適応によるロボット方策の転送

- 多様なタスク・embodimentのデータから学習するgeneralist robot policyを対象に、embodimentだけでなくcontrollerもまたがる転移を扱う研究。 - 同一actionがcontrollerごとに異なる物理的意味を持ち、タスク完了には異なる戦略が必要になり得る問題を定式化。 - 6種類のcontroller typeに加え、controller gainやcomplianceの変動も含む設定を扱う。 - 単一policyがin-contextで適応する枠組みを提案。

- 従来のgeneralist robot policyは各robotに単一controllerを仮定しており、この仮定がcontroller間転移を制限していた。 - 異なるcontrollerのaction解釈の衝突が学習を妨げる点を明示的に扱う。 - naive data poolingと比較して実世界実験で平均successを33 percentage points改善。 - unseen controller modesで50%、unseen controller gainsで52%のsuccessを達成。 - controller固有データが限られるタスクへの転移も示す。

- controller下でのbehavioral interactionを、commanded actionsとその結果生じるrobot motionsの例としてencodeする。 - transformer context encoderがこれらのinteractionを要約し、単一policyがin-contextで適応できるようにする。 - conflictingなaction解釈が学習に干渉しないよう、actionそのものではなくbehavioral interaction contextを介してcontrollerを表現する点が肝。

- 実世界実験で評価。 - naive data poolingとの比較で平均successが33 percentage points向上。 - unseen controller modesで50%、unseen controller gainsで52%のsuccessを報告。 - controller固有データが限られるタスクへの転移を確認。 - USB insertionやsurface wipingといったcontact-richタスクで、actionだけでなく戦略も適応することを示す。

- contact-richタスクではbehavioral interaction contextによりpolicyがactionと戦略の両方を適応できると報告。 - 多様なaction解釈のデータを活用できるgeneralist robot policyへの道筋を示す。 - 限界や失敗要因、controller type間の差異の詳細は要旨からは不明。

- 要旨で直接参照・比較されている個別研究は明記されていない。 - 関連手法としてgeneralist robot policy、transformer context encoder、in-context adaptation、behavior cloning系のdata pooling研究を挙げて読むのが妥当。 - 具体的な論文名は要旨からは不明。