MoDex: 連続多物体器用把持のための拡散ポリシー

- 単一の dexterous hand で、既に把持した物体を離さずに複数物体を順次把持する課題を扱う。 - 提案手法 MoDex は diffusion policy であり、観測から次の gripper pose を直接予測する。 - 条件として opposition space と point cloud を用いる。 - 評価は MuJoCo ベースの Franka Emika Panda + Allegro Hand の simulation と実機で行う。

- 多くの dexterous grasping 手法は hand の全自由度を単一物体に割り当て、dexterity を十分活用せず後続把持の冗長性を残さない。 - MoDex は opposition space 条件により一部の指のみを現在の把持に使い、残りの自由度を後続把持のために確保する。 - 結果として simulation で 2.92-17.92%、実機で 6.67-17.78% の成功率改善を報告。

- diffusion policy により観測から次の gripper pose を直接予測する。 - opposition space 条件が現在の把持に参加する指を指定し、自由度の部分利用を可能にする。 - point cloud を条件に用いる。 - sim-to-real のため二段階学習: まず expert demonstrations による imitation learning、次に reinforcement learning fine-tuning。

- MuJoCo ベースの Franka Emika Panda + Allegro Hand の simulation で評価。 - 対応する実機ハードウェアプラットフォームでも評価。 - 学習ベースの baselines と比較し、simulation で 2.92-17.92%、実機で 6.67-17.78% の成功率改善を確認。 - reinforcement learning fine-tuning が pre-trained policy より一貫して成功率を改善することも示す。

- 要旨からは不明。 - ただし、opposition space 条件が後続把持のための自由度確保に寄与すること、二段階学習が sim-to-real に有効であることは述べられている。

- 要旨で参照・比較されている具体的な研究名は記載されていない。 - 関連手法として diffusion policy、dexterous grasping、imitation learning、reinforcement learning、sim-to-real transfer の文献を挙げる。