マルチフィンガーマニピュレーションにおける復旧のための軌道最適化問題の拡散

- 多指ハンドによる接触の多い manipulation タスクにおいて、環境外乱や実行誤差から復帰する recovery 行動を自律的に行うフレームワーク。 - diffusion model を用いて recovery が必要な状態を検出し、contact-rich な recovery trajectory を最適化する。 - さらに recovery trajectory optimization 問題の全パラメータ(constraints, goal state, initialization)を diffusion で蒸留し、オンライン実行を高速化する手法を提案。

- 従来の recovery 手法や reinforcement learning baseline、接触計画を明示的に行わない手法と比較。 - 提案法は接触を明示的に計画する点が特徴。 - hardware の screwdriver-turning タスクで task performance を 96% 改善し、catastrophic task failure を起こさずに recovery を試行できる唯一の評価手法であった。

- タスクで学習した diffusion model により、タスク実行に適さない状態を out-of-distribution detection として推定。 - diffusion sampling でその状態を in-distribution に投影。 - trajectory optimization で contact-rich な recovery trajectory を計画。 - このプロセスを蒸留し、recovery trajectory optimization 問題の constraints, goal state, initialization を含む全パラメータを効率的に diffusion する新手法を提案。

- reinforcement learning baseline および接触計画を明示的に行わない手法と比較。 - hardware の screwdriver-turning タスクで評価。 - 提案法により task performance が 96% 改善し、catastrophic task failure を起こさず recovery を試行できる唯一の手法であることを示した。

- 要旨からは不明。 - ただし、hardware 実験で recovery が task performance を改善し、catastrophic failure を回避できることが示されている。

- reinforcement learning baseline(具体的な手法名は要旨からは不明)。 - 接触計画を明示的に行わない比較手法(具体的な手法名は要旨からは不明)。 - diffusion model を用いた out-of-distribution detection や trajectory optimization に関する関連研究(具体的な論文名は要旨からは不明)。