DiMuRe: 診断に基づくロボットタスク実行の多段階リカバリ

- ロボットタスク実行中の外乱により次行動の前提条件が崩れた際に、状況に応じた回復を行うフレームワーク DiMuRe（diagnosis-guided multilevel recovery）を提案。 - タスクプログラムの再利用、事前定義された recovery skills、bounded な vision-language-action (VLA) grasping を選択的に用いる。 - 元プログラム終了後は multimodal large language model (MLLM) が画像と実行フィードバックから修正コードを生成可能。 - 各回復試行の結果を local verification で確認する。 - 実行中外乱下の堅牢性・回復を評価する benchmark LIBERO-Disturb も導入。

- 外乱時にタスクプログラム全体を捨てず、まだ有用な部分を再利用する点を重視。 - phase-specific evidence と method preconditions に基づき、program reuse か predefined recovery skills かを診断的に選択。 - 従来の一律な再計画ではなく、状態に適した回復レベルを選ぶ枠組みを提示。 - 具体的な先行研究名との比較は要旨からは不明。 - LIBERO-Disturb により program-based agents と VLA policies の両方を対象に評価可能とした点が新しい。

- 実行フェーズごとの証拠（phase-specific evidence）と手法の前提条件（method preconditions）を用いて回復方針を診断。 - 選択肢は program reuse、predefined recovery skills、bounded VLA grasping。 - 元プログラムが終了した場合、MLLM が画像と実行フィードバックから corrective code を生成。 - 各回復試行後に local verification で成否を確認。 - Full DiMuRe では terminal replanning、追加ステップ許容、early handoff を組み合わせる。

- LIBERO-Disturb benchmark を導入し、program-based agents と VLA policies を対象に評価。 - 801 件の scheduled disturbed Encore development cases で検証。 - Local DiMuRe（program reuse と recovery skills）は complete-task success 77.65%。同一 physical-step allowance 下の元プログラムは 58.68%。 - Full DiMuRe は terminal replanning、追加ステップ許容、early handoff により 81.90%。 - Local DiMuRe は scheduled episode あたりの physical steps も元プログラムより少ない。

- Local DiMuRe と Full DiMuRe の差は terminal replanning・追加ステップ許容・early handoff の寄与を示すが、各要素の個別効果は要旨からは不明。 - MLLM による corrective code 生成の信頼性や local verification の限界は要旨からは不明。 - LIBERO-Disturb の外乱種類・難易度設定の詳細は要旨からは不明。 - 実機ロボットでの検証や他タスクへの汎化性は要旨からは不明。

- LIBERO-Disturb benchmark の原論文・関連資料。 - vision-language-action (VLA) policies および VLA grasping に関する研究。 - multimodal large language model (MLLM) を用いたロボットの code generation / replanning 研究。 - program-based robot agents における recovery skills や local verification の関連手法。 - 要旨で直接参照されている Encore に関する研究。