VADF: 視覚適応型拡散ポリシーフレームワークによる効率的なロボット操作

- 拡散ポリシー（diffusion policy）の訓練と推論を効率化する枠組み「VADF」を提案。 - 視覚駆動の二重適応フレームワークで、モデル非依存の設計。 - 訓練ではAdaptive Loss Network (ALN)によりサンプル難易度をリアルタイム評価し、hard negative miningで重み付きサンプリング。 - 推論ではHierarchical Vision Task Segmenter (HVTS)がタスクを視覚入力に基づき多段階のサブ指示に分解し、行動系列を単純/複雑なサブタスクに適応分割。 - 単純な行動には短いノイズスケジュールと長い直接実行を、複雑な行動には長いノイズステップと短い実行を割り当て、計算オーバーヘッドを削減し早期成功率を向上。

- 従来の拡散ポリシーは一様サンプリングとサンプル難易度認識の欠如により、hard negative class imbalanceが生じ、訓練収束が遅く推論タイムアウトが頻発。 - VADFは訓練でALNによる難易度定量化と重み付きサンプリングを行い、収束ステップを大幅に削減。 - 推論ではHVTSによる適応的分割で計算負荷を劇的に低減し、早期成功率を大幅改善。 - モデル非依存設計により任意の拡散ポリシーアーキテクチャに統合可能。

- 訓練: Adaptive Loss Network (ALN) が軽量MLPベースの損失予測器として各ステップのサンプル難易度をリアルタイムに定量化。 - hard negative miningに導かれ、高損失領域を優先する重み付きサンプリングを実施し、適応的重み更新を可能に。 - 推論: Hierarchical Vision Task Segmenter (HVTS) が高レベルタスク指示を視覚入力に基づき多段階の低レベルサブ指示に分解。 - 行動系列を単純/複雑なサブタスクに適応分割し、単純には短いノイズスケジュールと長い直接実行、複雑には長いノイズステップと短い実行を割り当て。

- 要旨からは不明（具体的な実験設定や評価指標、データセット、比較手法についての記述がない）。

- 要旨からは不明（限界や議論、今後の課題についての記述がない）。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、Diffusion Policy (Chi et al., 2023) や、hard negative mining、hierarchical reinforcement learning、vision-language models を用いたタスク分解に関する論文が挙げられる。