SLAP: 抽象プランニングのためのショートカット学習

- 長期的な意思決定を扱う TAMP の枠組みで、既存の手動定義された options（pick, place, move など）を出発点に、新しい抽象行動を自動発見する手法 SLAP を提案する研究。 - 疎な報酬・連続状態行動空間における課題に対し、model-free RL を用いて抽象計画グラフ上の shortcut を学習する。 - 発見された行動は slap, wiggle, wipe のような動的な物理的即興動作で、手動定義のものと大きく異なる。

- 従来の TAMP は options を人間のエンジニアが手動で定義しており、プログラム可能な行動（pick, place, move）に限定されていた。 - SLAP は追加の仮定や入力なしに、既存 options から新しい options を自動的に発見できる点が新しい。 - 純粋な planning より短い解が得られ、flat RL や hierarchical RL より高いタスク成功率を示すと報告されている。

- 既存の TAMP options が誘導する抽象計画グラフ上で、model-free RL により shortcut を学習するのが中核アイデア。 - これにより手動定義の options を置き換える／補完する新しい抽象行動を自動獲得する。 - 追加の仮定や入力は不要とされている。具体的なアルゴリズム詳細は要旨からは不明。

- 4 つのシミュレーションロボティクス環境で実験を実施。 - 幅広いタスクを解き、未知タスクへ汎化することを示した。 - 全体の plan length を 50% 以上削減し、planning および RL のベースラインを一貫して上回った。

- 発見された行動（slap, wiggle, wipe）が手動定義の options と大きく異なる動的な物理即興動作である点を定性的に議論。 - 限界や失敗ケース、計算コスト、実機適用性などについては要旨からは不明。

- 要旨で直接参照・比較されているのは TAMP、flat RL、hierarchical RL、および planning ベースライン。 - 関連手法として options を用いる hierarchical RL や、TAMP における option 学習に関する研究を次に読む候補として挙げる。