クエリ中心拡散ポリシーによる汎用ロボット組立

- ロボット組立タスク向けの階層型ポリシー「Query-centric Diffusion Policy (QDP)」の提案。 - 高レベル計画(objects, contact points, skill情報を含むquery)と低レベル制御を橋渡しする枠組み。 - 接触が多くノイズに敏感な部品組立を対象とし、point cloud観測を活用。 - FurnitureBenchでシミュレーション・実機の両方で評価。

- 従来の階層型組立エージェントは高レベルskill queryと低レベル実行のミスマッチが課題。 - QDPはquery-centric mechanismでタスク関連要素を特定し低レベルポリシーを誘導。 - 構造化queryを持たないbaselineと比較し、挿入・ねじ締めタスクでskill-wise成功率を50%以上改善。 - 長期的タスクの成功率とskill精度も向上。

- 階層型フレームワークで、queryはobjects・contact points・skill情報から構成。 - query-centric mechanismによりタスク関連コンポーネントを特定し低レベルポリシーへ誘導。 - point cloud観測を利用してポリシーのロバスト性を向上。 - diffusion policyを低レベル制御に採用(名称から示唆されるが詳細は要旨からは不明)。

- FurnitureBenchにてシミュレーションと実世界の両設定で包括的実験を実施。 - 挿入(insertion)およびねじ締め(screwing)タスクで評価。 - 構造化queryなしのbaselineと比較し、skill-wise成功率が50%以上向上。 - 長期的タスクの成功率とskill精度の改善を確認。

- 高レベルqueryと低レベル実行のミスマッチをquery-centric mechanismで緩和できる可能性。 - point cloud利用が接触リッチ設定でのロバスト性に寄与する点。 - 具体的な限界・失敗事例・計算コスト・実機での汎化範囲は要旨からは不明。

- FurnitureBench(ベンチマーク)関連の組立研究。 - Diffusion Policy(拡散ポリシー)の原論文。 - 階層型ロボット組立ポリシーに関する先行研究。 - point cloudを用いたロボットマニピュレーション研究。