VR-DAgger: 没入型VRによる器用なデータ収集と不確実性誘導型オン方策修正

本論文は、ロボットの器用な操作のためのデータ収集と方策修正を効率化する human-in-the-loop フレームワーク VR-DAgger を提案する。 - 没入型 VR アプリケーションを中心に、器用な teleoperation、demonstration 収集、選択的な policy correction を統合する。 - VR クライアントは直感的な hand control と同期された scene visualization を提供する。 - バックエンドの workstation が simulation と learning を実行し、連続的な operator 監視なしで autonomous rollouts を可能にする。 - 対象は 10-DoF XHand による Pan pick-and-place、Drawer opening、Valve turning の 3 つの dexterous manipulation タスク。

従来の learning from demonstrations や human-in-the-loop 手法と比べて、以下の点が優れる。 - distribution shift 下で小さな誤りが累積し、性能が劣化する問題に対処する。 - 専門家の時間が冗長で低価値な修正に費やされるのではなく、少数の重要な failure cases に集中できる。 - 全 rollout の監視や別個の intervention classifier を必要とせず、不確実性が高い箇所に supervision を集中させる。 - 標準および困難な初期配置において、active labeling が behavioral cloning を一貫して上回り、最大 23 percentage points の改善を示す。 - ガイドなしの human-in-the-loop inspection と比較して、サンプルあたりの収集時間を約 40% 削減する。

技術的な肝は、不確実性に基づく選択的な修正と VR による効率的な teleoperation の組み合わせにある。 - Monte Carlo (MC) dropout を用いて、Isaac Lab 上での diffusion policy の rollout 中に不確実性をスコアリングする。 - 情報量の多い failure segments を選択し、修正対象とする。 - 選択された segments は VR 内でクリップとして再生され、operator が選択的にラベル付けと policy の振る舞いの修正を行う。 - これにより、全 rollout の監視や別個の intervention classifier なしで、不確実性が最も高い領域に supervision を集中させる。

3 つの dexterous manipulation タスク（Pan pick-and-place、Drawer opening、Valve turning）で、10-DoF XHand を用いて評価した。 - 標準および困難な初期配置の両方で実験を行った。 - active labeling が behavioral cloning を一貫して上回り、最大 23 percentage points の改善を達成した。 - ガイドなしの human-in-the-loop inspection と比較して、サンプルあたりの収集時間を約 40% 削減した。

要旨からは、議論や限界についての明示的な記述はない。 - 提案手法の有効性は示されているが、他のタスクやロボットへの一般化可能性、MC dropout の閾値設定、operator の負担などについての議論は要旨からは不明。 - 今後の課題や制約についても要旨からは不明。

要旨で参照・比較されている研究や関連手法を挙げる。 - behavioral cloning - diffusion policy - Monte Carlo (MC) dropout - Isaac Lab - human-in-the-loop inspection - DAgger（タイトルから示唆される関連手法） - 同分野の定番として learning from demonstrations、teleoperation に関する研究も参考になる。