確率的動的システムにおける尤度不要推論のための潜在的に誤指定されたドメインサポートのヒューリスティック適応

- ロボティクスにおける likelihood-free inference (LFI) のための手法提案。 - LFI はパラメトリックな deployment conditions の集合に対して、学習済み agent を適応させる domain distribution を得るために用いられる。 - LFI はサンプリングのための任意の support を仮定し、初期の generic prior から反復的に posterior を精緻化しても support は一定のまま。 - しかし misspecified な support は suboptimal かつ falsely certain な posterior を招く。 - これを解決するため EDGE, MODE, CENTRE という3つの heuristic LFI variants を提案。

- 従来の LFI は support を固定したまま posterior のみを反復精緻化する点を問題視。 - 本論文は support misspecification の問題を明示的に指摘した点が新しい。 - posterior mode shift を inference steps にわたり各手法なりに解釈し、posterior inference と並行して support を適応させる点が先行研究と異なる。 - 具体的な先行研究名との比較は要旨からは不明。

- 3つの heuristic LFI variants: EDGE, MODE, CENTRE を提案。 - 各手法は inference steps にわたる posterior mode shift を独自に解釈する。 - それを LFI step に統合することで、posterior inference と同時に support を適応させる。 - 各 heuristic の具体的なアルゴリズム詳細は要旨からは不明。

- まず support misspecification 問題を提示し、stochastic dynamical benchmarks で heuristic を評価。 - 次に dynamic deformable linear object (DLO) manipulation task において、heuristic support adaptation が parameter inference と policy learning に与える影響を評価。 - 結果としてパラメトリックな DLO 集合に対し、より細かい length と stiffness の classification を実現。 - 得られた posterior を sim-based policy learning の domain distribution として用いると、より robust な object-centric agent performance につながった。

- support misspecification が suboptimal かつ falsely certain な posterior を生むという議論を提示。 - heuristic による support adaptation の有効性を DLO 操作で示す一方、heuristic の限界や理論的保証については要旨からは不明。 - 他のタスクや条件への一般化可能性についても要旨からは不明。

- 要旨で参照・比較されている具体的な先行研究は不明。 - 関連手法として likelihood-free inference (LFI)、approximate Bayesian computation (ABC)、sim-based policy learning、domain randomization などが次に読む候補。 - dynamic deformable linear object (DLO) manipulation に関する研究も関連。 - 要旨に明示的な参照論文がないため、同分野の定番手法を一般名で挙げるにとどめる。