相対アクション拡散ポリシーのためのホライズン連携型障害物ガイダンス

- 事前学習済みの relative-action diffusion policy を対象とした、推論時（inference-time）の obstacle-guidance フレームワーク。 - 新たなデモンストレーション収集や再学習なしに、未見の障害物へ適応することを目的とする。 - 累積 relative actions を workspace trajectory に展開し、SDF-based obstacle model で障害物との相互作用を評価する。 - 各障害物応答を、denoising 中の寄与する全 action increments に伝播させる点が特徴。

- 既存の policy-level guidance は、各 horizon step で障害物補正を独立に適用するものが多く、局所的な違反は解消できても行動系列全体を協調した迂回運動にまとめにくい。 - 本手法は障害物応答を action horizon 全体に伝播させ、タスク指向の完全な回避運動を協調させる点が異なる。 - 実機7シナリオ・4タスクで 105/140（75.0%）の衝突なしタスク成功を達成し、absolute-action pointwise guidance の 8/140（5.7%）を大きく上回った。

- 推論時に pretrained relative-action diffusion policy の denoising 過程へ介入する obstacle-guidance を導入。 - 累積 relative actions を workspace trajectory として roll out し、SDF-based obstacle model で軌跡上の障害物相互作用を評価。 - 各障害物応答を、その軌跡に寄与する全 action increments へ伝播（horizon-coupled）させる。 - ablation により、relative-action horizon-coupled 定式化が両 obstacle model にわたり大きな改善をもたらすと報告。

- 実ロボット実験を、4つの manipulation tasks にまたがる7つの obstacle-constrained scenarios で実施。 - 衝突なしタスク成功が 105/140（75.0%）、比較対象の absolute-action pointwise guidance が 8/140（5.7%）。 - ablation で relative-action horizon-coupled 定式化の寄与を、両 obstacle model について検証。

- 既存の step ごとに独立な障害物補正では、局所違反は扱えてもタスク指向の完全な迂回へ協調しにくいという課題を指摘。 - 障害物応答を action horizon 全体へどう伝播させるかが未探索であると位置づけ、horizon-coupled 定式化の有効性を主張。 - 具体的な限界や失敗事例、計算コストなどの議論は要旨からは不明。

- 要旨で比較されている absolute-action pointwise guidance（policy-level guidance の一種）。 - 基盤となる relative-action diffusion policy および diffusion policy 全般。 - SDF-based obstacle model を用いた obstacle avoidance / guidance 関連研究。 - 要旨に個別の参照論文名はないため、上記の一般名・手法名を起点に辿るのが妥当。