WorldPlanner: 行動条件付き視覚世界モデルとモンテカルロ木探索・MPCによるロボット計画

- ロボットが raw sensory inputs から環境を理解し、行動の結果を推論して複雑タスクを解くための model-based アプローチ - 数時間の unstructured な play data から action-conditioned visual world model、diffusion-based action sampler、任意で reward model を学習 - world model と action sampler・reward model を組み合わせ、MCTS planner で長い行動列を最適化 - 得られた plan を zeroth-order MPC でロボット上で実行する枠組み

- BC はタスク固有の human demonstrations を要し、新タスクへの転移が難しく、データ生成に環境リセット等の手間がかかる - 本研究は policy-based ではなく model-based で、easy-to-collect な play data のみから学習する点が異なる - 実験で planning が標準的な manipulation テスト環境において BC baseline を大きく上回ることを示唆 - 詳細な先行研究との定量比較は要旨からは不明

- action-conditioned visual world model を diffusion-based action sampler および任意の reward model と組み合わせる - MCTS planner により長い行動列を最適化 - 結果の plan を zeroth-order MPC でロボットに実行 - action sampler が planning 中の world model の hallucinations を緩和する点が肝

- 実世界のロボットタスク3件で検証。planning と modeling の複雑度が異なる設定を含む - 標準的な manipulation テスト環境で BC baseline に対し planning が有意な改善をもたらすという仮説を支持 - 具体的なタスク名・指標・数値は要旨からは不明

- action sampler が world model の hallucinations を緩和することを示す - planning が BC baseline を上回るという仮説を支持する結果 - 限界や失敗事例、計算コスト等の詳細な議論は要旨からは不明

- Behavior Cloning (BC) の関連研究 - action-conditioned visual world model を用いた model-based planning の関連研究 - Monte Carlo Tree Search (MCTS) および Model Predictive Control (MPC) の関連研究 - diffusion-based action sampler の関連研究 - 要旨で参照・比較されている個別論文は要旨からは不明