リスク認識型ドメインランダム化が接触を伴うサンプリングベース予測制御に与える驚くべき影響

- 接触が多いタスクにおける sampling-based predictive control (SPC) に risk-aware domain randomization (DR) を適用する初期的検討。 - 代表的な Push-T タスクで、ランダム化されたモデルインスタンス下で average, optimistic, pessimistic な rollout 集約を比較。 - DR がモデル誤差へのロバスト性だけでなく、サンプリング最適化器が見る実効的なコスト地形を変化させ、接触を生む行動周辺の basin of attraction を再形成する可能性を示唆。

- 従来 DR は主に policy learning でロバスト性向上に使われ、接触リッチな SPC では未探索だった。 - 本研究は SPC における risk-aware DR の影響を初めて検討し、ロバスト性以外にコスト地形への影響を指摘。 - 具体的な先行研究との比較は要旨からは不明。

- 接触リッチな Push-T タスクで、モデルインスタンスをランダム化した predictive sampling を実施。 - average, optimistic, pessimistic の3種の rollout 集約方法を比較。 - 各集約がサンプリングベース最適化のコスト地形と接触生成行動の basin に与える影響を分析。

- Push-T タスク上で average, optimistic, pessimistic 集約を比較する初期実験を実施。 - 結果として DR がロバスト性とコスト地形の両方に影響することを示唆。 - 詳細な評価指標や統計的検証は要旨からは不明。

- DR がロバスト性だけでなく最適化のコスト地形を変え、接触行動の basin of attraction を再形成する可能性を議論。 - モデル不確実性下での、より根拠ある risk-aware 接触リッチ SPC の探索可能性を提起。 - 限界や反証については要旨からは不明。

- 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 domain randomization (DR), sampling-based predictive control (SPC), risk-aware optimization, Push-T task が挙げられる。 - 同分野の定番として model predictive control (MPC), reinforcement learning (RL) が考えられる。