照度11.5倍低下でもカメラ設定が吸収：SO-101アーム上の4つの模倣学習ポリシー比較

- 低コスト実機環境（SO-101 arm）における learned visuomotor policies の実ロボットベンチマークを扱った研究。 - 4つの imitation-learning policies（ACT, SmolVLA, Diffusion Policy, pi0.5）を同一の50 demonstrations（pick-and-place タスク）で訓練。 - 各 policy を約520 lux と約45 lux（11.5x 低下）でそれぞれ10 rollouts 実行し、成功率を比較。 - 室内照度（room illuminance）と画像照度（image light）がほぼ無関係になり得ることを示す。

- 従来の実ロボットベンチマークは照明条件として room illuminance（lux）を記録する傾向があった。 - 本研究は、典型的な低コスト rig では room light と image light がほぼ無関係であることを実証的に示した点が新しい。 - lux の11.5x 低下にもかかわらず成功率変化が -2.5 percentage points（95% CI -23 to +19）と小さく、policy 間の感度差も見られなかった（interaction p = 0.86）。 - 報告・制御すべき量は camera settings と training recordings との image statistics であると主張。

- SO-101 arm 上で pick-and-place タスクの50 demonstrations を収集し、4 policies（ACT, SmolVLA, Diffusion Policy, pi0.5）を同一データで訓練。 - 各 policy を約520 lux と約45 lux の2条件で各10 rollouts 実行し成功率を比較。 - 記録 video から front camera と wrist camera の mean image brightness を分析。 - 両 camera は automatic exposure と white balance に設定されており、exposure は本実験では locked されていない。 - 偶発的な10-rollout block の再実行により再現性も確認。

- 成功率で検証：normal light で 20/40、low light で 19/40（-2.5 percentage points、95% CI -23 to +19）。 - policy 間の感度差の有無を interaction test で検証（p = 0.86、差の証拠なし）。 - 記録 video の mean image brightness 分析：low light で front camera は3%減、wrist camera は19%減のみ。 - 偶発的な再実行で success count（7/10）は再現したが、placement の一致は10中6で chance と整合。 - data と code は公開。

- lux だけでは policy が見ているものを記述できないと結論。 - 両 camera の automatic exposure と white balance が照度差を吸収した可能性が高い。 - exposure が locked されていなかった点は本研究の限界として示唆される。 - 報告・制御すべきは camera settings と、training recordings と比較した image statistics であると主張。 - 偶発的な再実行の placement 一致が chance 程度であった点も議論材料。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として ACT, SmolVLA, Diffusion Policy, pi0.5 が挙げられる。 - 同分野の定番として、imitation learning の実ロボット評価における照明・camera settings の標準化に関する研究や、visuomotor policy のベンチマーク設計に関する論文を次に読むべき。