動作プリミティブ表現による滑らかなアクションチャンキング

ビジョンベースの模倣学習ポリシーで標準となっている action chunking に対し、movement-primitive に基づく軌道表現を導入し、chunk 内および連続する chunk 間の軌道のギクシャク（jerk）を抑える手法。軌道セグメントを滑らかな basis functions の線形結合で表し、ポリシーのアーキテクチャ・学習目的・推論手順を変えずに滑らかな軌道を構成的に得る。one-shot の ACT と反復型の DiT の backbone に実装し、シミュレーションと実機の bimanual ALOHA で評価している。

action chunking は diffusion policies から large vision-language-action models まで共通のインターフェースだが、chunk の時間構造は暗黙的にしか学習されず、chunk 内・chunk 間で軌道がギクシャクし、実機では振動や follower の速度上限の飽和として現れる。本手法はポリシー構造を変えずに軌道表現のみを差し替えて滑らかさを構成的に保証する点、および再学習不要の閉形式な推論時補正を備える点が異なる。特に非同期の Real-Time Chunking と違い、one-shot で問い合わせるポリシーにも適用できる。

軌道セグメントを滑らかな basis functions の線形結合（movement-primitive 表現）として表し、係数を予測させることで滑らかな軌道を構成的に得る。ポリシーのアーキテクチャ・学習目的・推論手順は変更しない。chunk 間の jerk に対しては、予測係数を条件付けし、新しい chunk が前 chunk の最後の指令 action の via-point を通るようにする閉形式の推論時補正を用いる。これにより再学習なしで境界不連続を低減する。

one-shot の ACT と反復型の DiT の backbone に実装し、シミュレーションおよび実機の bimanual ALOHA プラットフォームで評価。その結果、chunk 内 jerk が one-shot backbone で一桁（order of magnitude）低減、反復型で 2.4 倍低減し、タスク成功率は統計的に非劣性だった。条件付けによる補正は境界不連続の 73-84% を除去し、1ステップあたりのコストは無視できる程度だった。

chunk 内 jerk の低減と境界不連続の除去が示され、成功率の非劣性も確認されている。補正は再学習不要で one-shot ポリシーにも適用可能。一方、basis functions の具体的な選択や chunk 長・タスク依存性、他の backbone への一般性については要旨からは不明。

比較対象として挙げられている asynchronous Real-Time Chunking、および backbone として用いた ACT と diffusion policy 系の DiT。action chunking の代表的手法として diffusion policies や large vision-language-action models も関連する。