視覚運動ポリシー学習のための制約保持データ生成

- 大規模な demonstration data の収集コストを削減するためのデータ生成手法 CP-Gen を提案する研究。 - 単一の expert trajectory から、新しい物体形状 (object geometries) と姿勢 (poses) を含むロボット demonstration を生成する。 - 生成した demonstration で closed-loop visuomotor policy を学習し、real world へ zero-shot 転移、物体形状・姿勢の変化への汎化を狙う。

- 先行研究と同様に expert demonstration を free-space motions と robot skills に分解する点は共通。 - 先行研究が pose variations のみを用いるのに対し、CP-Gen は robot skills を keypoint-trajectory constraints として定式化し、geometry-aware なデータ生成を実現する点が新しい。 - これにより物体形状の変化も扱える demonstration 生成が可能になる。

- expert demonstration を free-space motions と robot skills に分解する。 - robot skills を keypoint-trajectory constraints として表現する: robot または把持物体上の keypoints が、task-relevant object に対して定義された reference trajectory を追従する制約。 - 新規 demonstration 生成時は、各 task-relevant object の pose・geometry transforms をサンプリングし、object と対応する keypoints/keypoint trajectories に適用する。 - 変換後の keypoint trajectory を追従するよう robot joint configurations を最適化し、最初の最適化済み joint configuration まで collision-free path を motion plan する。

- 16 の simulation tasks と 4 の real-world tasks で実験。 - タスクには multi-stage、non-prehensile、tight-tolerance manipulation を含む。 - CP-Gen で学習した policy は平均 success rate 77% を達成し、最良 baseline の平均 50% を上回った。

- 要旨からは不明。 - ただし実験結果から、単一 expert trajectory からの生成でも多様な形状・姿勢へ汎化し、real world へ zero-shot 転移できることが示唆される。 - 限界や失敗要因、制約の適用範囲についての議論は要旨からは不明。

- 要旨で明示的に参照されている個別論文はない。 - 関連手法として、pose variations を用いた prior work のデータ生成手法、keypoint-trajectory constraints を用いる手法、motion planning と joint configuration optimization に関する研究が次に読む候補。 - 同分野の定番として imitation learning / visuomotor policy learning の代表的研究も挙げられる。