成功の濃淡：物体中心制約によるマニピュレーション品質の評価

- ロボットによる rigid object 操作の実行品質を定量化する object-centric フレームワーク SPECTRA の提案。 - binary のタスク成功ラベルでは区別できない幾何学的精度の差を評価する。 - 少数の oracle demonstrations から progress-aligned relative poses で物体間相互作用を表現する。 - 制約された relative-pose 方向と許容変動を学習し、未見実行の逸脱を Task Quality Index Q∈[0,1] に集約する。

- binary の成功判定では捉えられない実行品質の差を扱える点が特徴。 - 7つの simulated tasks で 30 demonstrations/task により制約を 94% 精度で復元。 - 3つの learned policies の rollouts で人間評価との pooled Spearman 相関が全 rollouts で ρ=0.81、成功 rollouts で ρ=0.61。 - 両サブセットで全 baselines を上回ったと報告。

- simulation で生成した少数の oracle demonstrations を利用。 - 物体相互作用を progress-aligned relative poses として表現。 - demonstrations から制約される relative-pose 方向と admissible variations を同定。 - 未見実行の逸脱のうち許容変動を超えるものを集約し、Q∈[0,1] の Task Quality Index として採点。

- 7つの simulated tasks で制約復元精度 94%（30 demonstrations/task）を確認。 - 3つの learned policies の rollouts に対し、人間判断との Spearman 相関を評価。 - 全 rollouts で ρ=0.81、成功 rollouts で ρ=0.61 を得て baselines と比較。 - simulation で学習した参照を用い、hardware 上の diffusion policy 訓練用に高スコア demonstrations を選択。 - ランダム選択より高い成功率という探索的結果を報告。

- 成功 rollouts 内での相関は ρ=0.61 と全 rollouts より低く、成功例間の品質差評価の難しさが示唆される。 - hardware での diffusion policy 結果は exploratory とされており、限定的な検証。 - 対象は rigid objects に限定。 - 制約の一般化や他タスク・実機への適用性に関する議論は要旨からは不明。

- 比較対象として明示された baselines の個別名称は要旨からは不明。 - 関連手法として diffusion policy（hardware 訓練で使用）。 - 同分野の定番として imitation learning、reward learning、success prediction、human preference evaluation 関連の研究が次に読む候補。