低コストGPUで実現する接触豊富なロボット操作の閉ループ評価

- 接触の多いロボットマニピュレーションの評価を、統計的スケールで低コストに行うための再現可能な評価ハーネス（harness）のラッパーを提示する研究。 - serverless な commodity GPU 上で 200-rollout スケールの評価を、約 $3.50 USD・実時間 38 分（8 並列 shard で 4.4 L4-GPU-hours）で実行できる。 - 併せて action chunking に関する部分的に制御された negative result を報告する。

- 従来、contact-rich な manipulation の統計的スケール評価はリソースの豊富な lab に限られていた。 - 本研究は serverless commodity GPU を用いることで、約 $3.50・38 分という低コストで 200-rollout 評価を再現可能に実行できる点が新しい。 - 評価ハーネスを再利用可能な形で提供し、physics-based policy の開発・評価をより広い利用者に democratize する。

- 先行研究に基づく評価ハーネスの wrapper を構築し、serverless commodity GPU 上で 8 並列 shard に分割して 200-rollout 評価を実行する。 - action chunking の効果を調べるため、chunked checkpoint 3 個と single-step checkpoint 3 個を比較する。 - per-step-replanning の control を導入し、chunk prediction と open-loop chunk execution のどちらが失敗の機序かを部分的に切り分ける。

- 780 rollouts にわたり、独立に学習した chunked checkpoint 3 個が genuine success ゼロであることを確認。 - 一方、single-step checkpoint 3 個は 2.6%〜11.8% の success rate を示した。 - per-step-replanning control により、失敗が open-loop chunk execution ではなく training formulation と multi-step prediction に局在することを部分的に特定。

- sparse data 下での action chunking が成功しないという部分的に制御された negative result を報告。 - 失敗の機序は training formulation と multi-step prediction に局在すると示唆されるが、要旨からは限定的な切り分けにとどまる。 - 低コスト評価ハーネスの再利用性と democratization が主張されるが、詳細な議論は要旨からは不明。

- 要旨で参照されている先行研究（200-rollout スケールの serverless commodity GPU 評価を行った previous study）。 - action chunking 関連手法（chunked checkpoint と single-step checkpoint の比較対象）。 - per-step-replanning の control に関連する手法。 - 同分野の定番として contact-rich manipulation の physics-based simulation 評価に関する研究。