スムーズなリアルタイムチャンキングのためのアクション事前分布デノイジング

本論文は、chunked action policies を inference delay 下で動作させる real-time chunking (RTC) の改良手法 Soft RTC を提案する。 - 従来の training-time RTC は binary prefix mask で非 prefix token を完全に未制約として扱うため、非同期実行を過小モデル化していた。 - Soft RTC は action-prior denoising に基づき、部分的に denoise された状態から overlap token を生成し、推論時に前 chunk を prior として軽量な token-wise blending で注入する。 - 12 の large Kinetix levels と小規模実機ロボット実験で評価。

先行の training-time RTC と比べ、binary prefix mask の過小モデル化を解消する点がすごい。 - 早期 overlap action は固定、後期 overlap action は編集可能だが前計画に近づけるべきという非同期実行の性質をモデル化。 - 短い soft window で hard training-time RTC とほぼ同等の solve rate (0.809 vs. 0.815) を達成。 - 中程度の window では high-delay action delta と jerk を hard RTC 比で 9.1% と 9.6% 削減。 - inference-time RTC baselines と異なり、ほぼ naive な runtime を維持。

技術の肝は action-prior denoising による Soft RTC。 - 純粋な noise ではなく、部分的に denoise された状態から corrupted overlap token を構築。 - 推論時には、整列された前 chunk を同じ prior として注入する軽量な token-wise blending rule を用いる。 - これにより training-time RTC を一般化しつつ、deployment 時の高コストな guidance を回避。

12 の released large Kinetix levels で評価。 - 短い soft window は hard training-time RTC と overall solve rate でほぼ同等 (0.809 vs. 0.815)。 - 中程度の window は high-delay action delta と jerk を hard RTC 比で 9.1% と 9.6% 削減。 - 両 variant とも inference-time RTC baselines と異なり near-naive runtime を維持。 - 小規模な preliminary real-robot sorting study で、training-time RTC が completion を改善し、Soft RTC が tested policies 中で最低の commanded-action finite-difference metrics を示す追加証拠を得た。

要旨からは不明。 - 限界や失敗事例、計算コストの詳細、他タスクへの一般化については言及されていない。 - real-robot study は preliminary かつ小規模と述べられている。

要旨で参照/比較されている研究として、training-time RTC、inference-time RTC baselines、chunked action policies が挙げられる。 - 関連手法として action chunking、real-time chunking (RTC)、action-prior denoising を読むべき。 - 具体的な論文名は要旨からは不明。