KinDER: ロボット学習と計画のための物理的推論ベンチマーク

- KinDERは、ロボット学習と計画における物理推論のベンチマーク。 - Kinematic and Dynamic Embodied Reasoningを対象。 - 25の手続き生成環境、Gymnasium互換Pythonライブラリ、パラメータ化されたスキルとデモ、13のベースラインを含む標準評価スイートで構成。 - 5つの物理推論課題（基本空間関係、非把持多物体操作、道具使用、組合せ幾何制約、動的制約）を分離。 - 知覚・言語理解・応用固有の複雑さから切り離して設計。

- 既存のロボット学習ベンチマークと比べ、物理推論の5課題を明示的に分離。 - 知覚や言語理解の要素を排除し、物理推論能力を純粋に評価。 - タスク・モーション計画、模倣学習、強化学習、基盤モデルベース手法の13ベースラインを標準実装。 - 実機モバイルマニピュレータでのreal-to-sim-to-real実験を含み、シミュレーションと実世界の対応を評価。 - 完全オープンソースで系統的比較を可能にする。

- 25の手続き生成環境を提供し、物理推論課題を分離。 - Gymnasium互換のPythonライブラリで、パラメータ化されたスキルとデモを提供。 - 標準評価スイートに13のベースラインを実装。 - タスク・モーション計画、模倣学習、強化学習、基盤モデルベース手法を網羅。 - real-to-sim-to-real実験をモバイルマニピュレータで実施。

- 13の実装済みベースラインを標準評価スイートで評価。 - 既存手法が多くの環境を解くのに苦戦することを実証。 - 現在の物理推論アプローチに大きなギャップがあることを示す。 - モバイルマニピュレータでのreal-to-sim-to-real実験により、シミュレーションと実世界の物理相互作用の対応を評価。

- 既存手法が多くの環境を解けず、物理推論における実質的なギャップが存在。 - シミュレーションと実世界の対応をreal-to-sim-to-real実験で検討。 - 多様なパラダイム間の系統的比較を可能にし、物理推論の進展を目指す。 - 具体的な議論の詳細は要旨からは不明。

- 要旨で参照/比較されている個別研究は明記されていない。 - 関連手法として、task and motion planning、imitation learning、reinforcement learning、foundation-model-based approachesが挙げられる。 - 同分野の定番として、Gymnasium、robotics benchmarks、physical reasoning benchmarksが考えられる。