ReinforceGen：自動データ生成と強化学習によるハイブリッドスキルポリシー

- 長期的な manipulation タスクを対象としたロボティクスシステム - ReinforceGen と名付けられた手法 - 構成要素: - task decomposition - data generation - imitation learning - motion planning - reinforcement learning による fine-tuning - 各コンポーネントを RL で改善する統合システム

- 従来の long-horizon manipulation の難しさに対処 - 単一手法ではなく複数要素を組み合わせて初期解を構成 - 10 件の human demonstrations からデータ生成し imitation learning で学習 - その後 online adaptation と reinforcement learning で fine-tuning - 詳細な先行研究比較は要旨からは不明

- タスクを複数の localized skills に分割 - skills 間を motion planning で接続 - 10 human demonstrations から生成したデータセットで imitation learning - skills と motion planning targets を学習 - online adaptation と reinforcement learning で fine-tuning - visuomotor controls に対応

- Robosuite dataset でベンチマーク - 最高 reset range 設定で全タスク 80% success rate - ablation studies で fine-tuning が平均 89% の性能向上に寄与 - 実世界評価でも fine-tuning による有意な改善を確認 - 詳細な実験設定は要旨からは不明

- fine-tuning の寄与が大きいことを ablation で示唆 - 実世界でも改善を報告 - 限界や失敗事例の議論は要旨からは不明 - 一般化性やスケーラビリティの議論は要旨からは不明

- Robosuite 関連のベンチマーク研究 - imitation learning と reinforcement learning を組み合わせた fine-tuning 手法 - long-horizon manipulation の task decomposition 研究 - motion planning と学習を統合した手法 - 具体的な参照論文は要旨からは不明