RoboHiMan: 長期的マニピュレーションにおける構成的一般化のための階層的評価パラダイム

- 長期的な manipulation における compositional generalization を評価する階層的評価パラダイム RoboHiMan の提案。 - HiMan-Bench: 原子タスクと compositional タスクを多様な perturbation 下で評価する benchmark。 - 段階的 data scaling を分析するための multi-level training dataset を提供。 - vanilla / decoupled / coupled の3つの評価パラダイムを提案し、skill composition の必要性と階層アーキテクチャの bottleneck を探る。

- 既存 benchmark は long-horizon 設定での task completion を重視し、compositional generalization・robustness・planning と execution の相互作用への洞察が乏しい。 - end-to-end VLA モデルは training distribution 外への generalization が限定的。 - 階層的アプローチ(high-level planner が subgoal を生成し low-level policy に渡す)も複雑な perturbation 下では skill composition 能力の限界が露呈。 - RoboHiMan はこれらギャップを体系的に調べる評価基盤を提供する点が新しい。

- 階層的評価パラダイム RoboHiMan を構築。 - HiMan-Bench: 原子タスクと compositional タスクを多様な perturbation 下で用意。 - multi-level training dataset により progressive data scaling を分析可能に。 - 3つの評価パラダイム(vanilla, decoupled, coupled)で skill composition の必要性と階層アーキテクチャの bottleneck を切り分け。 - 具体的なモデル実装やアルゴリズムの詳細は要旨からは不明。

- HiMan-Bench 上で代表的なモデル・アーキテクチャを評価し、能力ギャップを明示。 - 3つの評価パラダイム(vanilla, decoupled, coupled)を用いて階層構造の bottleneck を分析。 - multi-level training dataset による progressive data scaling の分析を実施。 - 具体的な実験設定・指標・被験モデル名は要旨からは不明。

- 代表モデル・アーキテクチャ間に明確な capability gap があることを示し、実世界の long-horizon manipulation に適したモデル開発の方向性を提示。 - compositional generalization・robustness・planning と execution の相互作用の評価が不十分という既存 benchmark の問題を指摘。 - 個々の失敗要因や限界の詳細な議論は要旨からは不明。

- end-to-end VLA モデル(例: 代表的 VLA 手法) - 階層的アプローチ(high-level planner + low-level policy) - 関連 benchmark: long-horizon manipulation の task completion 重視 benchmark - 詳細は要旨で明示されていないため、project website(https://chenyt31.github.io/robo-himan.github.io/)掲載の論文・コードを参照。