拡散ポリシーの謎を解く：行動記憶と単純なルックアップテーブルによる代替手法

- Diffusion Policy の性能要因を『action lookup table の記憶』と解釈する仮説を提示する研究。 - 実行時に test image に最も近い training image を latent space で見つけ、対応する training action sequence を想起すると主張。 - この記憶機構が sparse data regime で有効とする。 - 代替として Action Lookup Table (ALT) を提案。 - contrastive image encoder を hash function として使い、最近傍の training action sequence を索引する軽量方策。 - Diffusion Policy が暗黙に学習する計算を ALT で明示的に行う位置づけ。

- Diffusion Policy の高い dexterity と robustness の理由は未解明だった。 - 本研究は『action generalization ではなく action memorization が性能源』という反直感的仮説を提示。 - 小規模データセットで ALT が Diffusion Policy と同等性能を示すと報告。 - 推論時間は 0.0034 倍、memory footprint は 0.0085 倍。 - さらに OOD 検知の明示的 flag を備え、runtime monitor として機能。 - 要旨からは不明: 既存の模倣学習・retrieval 系手法との詳細な比較。

- Diffusion Policy の挙動仮説: latent space で最近傍 training image を探索し、対応 action sequence を recall。 - ALT の構成: - contrastive image encoder を hash function として利用。 - 実行画像を索引し、最も近い training action sequence を明示的に取得。 - OOD 検知: - 実行画像と training image 間の latent distance が大きい場合に OOD flag を出すよう学習。 - 要旨からは不明: encoder の学習詳細、距離尺度、action sequence の選択・補間方法。

- 系統的な実証証拠で仮説を支持。 - 猫や犬など大きく OOD な画像を条件にしても、Diffusion Policy が training data 由来の action sequence を出力することを確認。 - 小規模データセットで ALT と Diffusion Policy を比較。 - ALT が同等性能、推論時間 0.0034 倍、memory footprint 0.0085 倍と報告。 - OOD flag による runtime monitor の有効性も示す。 - 要旨からは不明: タスク数、データセット名、評価指標の詳細。

- sparse data regime では action generalization より memorization が有効という解釈を提示。 - ALT により resource constrained robots での高速 closed-loop inference が可能と主張。 - OOD flag を単純かつ効果的な runtime monitor として位置づけ。 - 要旨からは不明: データ密度が高い場合の限界、generalization が必要なタスクでの挙動、理論的保証。

- Diffusion Policy（元手法） - contrastive image encoder を用いた retrieval / imitation learning 系手法 - action chunking を用いる模倣学習（例: Action Chunking with Transformers 系） - OOD detection を用いた runtime monitoring 研究 - 要旨で直接参照されている個別論文は不明。