BEACON: ベストエフォート適応による生成ロボットポリシーのクロスドメイン共学習

- 生成的なロボットポリシーを、豊富なsource demonstrationsと限られたtarget demonstrationsで訓練するための理論駆動型フレームワークBEACONを提案。 - クロスドメインco-trainingをdiscrepancy-aware importance-reweighting問題として定式化。 - diffusion-based visuomotor policyとサンプルごとのsource weightsを同時学習。 - sim-to-sim、sim-to-real、multi-source manipulation設定で評価。

- target-only、fixed-ratio co-training、feature-alignmentベースラインと比較して、ロバスト性とデータ効率が向上。 - 明示的なalignment目的なしでも、discrepancy-aware cross-domain co-trainingの暗黙的な結果としてfeature alignmentを達成。 - 理論的な一般化保証に基づく目的関数を最適化する点が新しい。

- cross-domain co-trainingをdiscrepancy-aware importance-reweighting問題として捉える。 - target-domain generalization guaranteesに基づく目的関数を最小化するように、diffusion-based visuomotor policyとper-sample source weightsをjointly learning。 - 高次元sequence policiesに適用可能にするため、scalable instance-level discrepancy estimatorsを開発。 - policyとweightsのstochastic alternating updatesを採用。 - 異種source domainsのバランスを取るmulti-source extensionを提案。

- sim-to-sim、sim-to-real、multi-source manipulation設定で実験。 - target-only、fixed-ratio co-training、feature-alignmentベースラインと比較し、ロバスト性とデータ効率の改善を確認。 - 明示的なalignment目的なしでfeature alignmentが暗黙的に達成されることを示した。

- 要旨からは不明。

- 要旨で参照/比較されている研究：target-only、fixed-ratio co-training、feature-alignmentベースライン。 - 関連手法：diffusion-based visuomotor policy、cross-domain co-training、importance reweighting、sim-to-real transfer。