生涯ロボット学習のための動的混合プログレッシブパラメータ効率エキスパートライブラリ

- 生涯学習（lifelong learning）のためのロボット学習フレームワーク DMPEL（Dynamic Mixture of Progressive Parameter-Efficient Expert Library）の提案。 - 低ランクの expert library を逐次的に構築し、軽量 router で expert を動的に組み合わせて end-to-end policy を形成する。 - 凍結した pretrained model を少数パラメータで制御する parameter-efficient fine-tuning を生涯学習へ拡張するもの。 - LIBERO benchmark で継続適応時の success rate を評価。

- 従来の pretrain-then-finetune 型 parameter-efficient fine-tuning は単一タスク適応が中心で、test-time task identifier を前提とし、isolated adapters 間の知識共有が限定的だった。 - DMPEL は task identifier を必要とせず、router による expert の動的混合で柔軟な forward transfer を実現。 - expert coefficient replay により、全 policy に対する experience replay より大幅に少ない storage・computation で forgetting を緩和。 - LIBERO 上で state-of-the-art の生涯学習手法を success rate で上回り、trainable parameters と storage も最小限。

- 低ランク expert library を逐次的に追加構築する progressive な構造。 - 軽量 router が expert を動的に重み付け結合し、end-to-end policy を生成。 - fine-tuned parameters のモジュール構造を利用した expert coefficient replay を導入。 - 過去タスクの frozen experts を router が正確に呼び出せるよう誘導し、forgetting を抑制。 - 全 policy の experience replay ではなく expert 係数の replay に留め、効率化。

- 生涯ロボット学習 benchmark である LIBERO 上で extensive experiments を実施。 - 継続適応中の success rate を state-of-the-art の生涯学習手法と比較。 - trainable parameters と storage の観点でも最小限であることを報告。 - 詳細な ablation や設定は要旨からは不明。

- test-time task identifier への依存を排除し、知識共有を可能にした点を主張。 - expert coefficient replay の storage・computation 効率性を議論。 - 限界や失敗ケース、router の汎化性、expert library のスケーラビリティに関する議論は要旨からは不明。

- 比較対象として言及される state-of-the-art の lifelong learning 手法（具体的名称は要旨からは不明）。 - 基盤となる parameter-efficient fine-tuning（adapter 系）および experience replay 関連研究。 - 評価 benchmark の LIBERO。 - 関連する mixture-of-experts や router を用いた継続学習手法。