LessMimic: 統一距離場表現による長期的ヒューマノイドインタラクション

- ヒューマノイドロボットが物理環境と長時間インタラクションするための統一的表現として Distance Field (DF) を用いる手法 LessMimic を提案。 - 単一の whole-body policy を DF 由来の幾何学的 cues（surface distances, gradients, velocity decompositions）で条件付けし、motion reference を不要にする。 - 相互作用 latent を Variational Auto-Encoder (VAE) で符号化し、Adversarial Interaction Priors (AIP) の下で Reinforcement Learning (RL) により post-train する。 - DAgger 風の蒸留で DF latent を egocentric depth 特徴に整合させ、MoCap なしの vision-only 展開を可能にする。

- 既存手法は reference motions や task-specific rewards に依存し、特定の物体形状に policy が強く結合し、単一フレームワークでの multi-skill 汎化が困難だった。 - LessMimic は reference-free inference、geometric generalization、long-horizon skill composition を単一 policy で実現する点が新しい。 - 物体スケール 0.4x–1.6x の PickUp と SitStand で 80–100% 成功し、baseline が急激に劣化する中で頑健。 - 5 task instances trajectories で 62.1% 成功、最大 40 の逐次合成タスクまで実行可能。

- Distance Field (DF) を統一インタラクション表現として採用し、surface distances, gradients, velocity decompositions を policy の条件に使う。 - 相互作用 latent を Variational Auto-Encoder (VAE) で符号化。 - Adversarial Interaction Priors (AIP) の下で Reinforcement Learning (RL) により post-train。 - DAgger 風蒸留で DF latent を egocentric depth 特徴に整合させ、MoCap 不要の vision-only 展開を実現。

- PickUp と SitStand で物体スケール 0.4x–1.6x に対し 80–100% の成功率を達成し、baseline が急激に劣化することを示した。 - 5 task instances trajectories で 62.1% の成功率を達成。 - 最大 40 の逐次合成タスクまで実行可能であることを確認。 - 詳細な実験設定や比較手法は要旨からは不明。

- 局所幾何に基づくことで、未構造環境での汎化・スキル合成・失敗からの回復が可能なスケーラブルな道筋を示す。 - 限界や失敗事例、計算コスト、実機での制約などは要旨からは不明。 - 倫理的・社会的影響についての議論は要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、reference motion を用いる humanoid imitation learning、task-specific reward による RL、VAE や Adversarial Interaction Priors (AIP)、DAgger 蒸留、Distance Field 表現を用いたロボティクス研究が挙げられる。 - 同分野の定番として、humanoid whole-body control、vision-based imitation learning、long-horizon task composition に関する論文を読むと良い。