チャンクベースロボットポリシーのための動的実行ホライズン予測

- 現代のrobot policiesで標準的なaction chunkingは、固定のexecution horizonでaction列を実行する。 - しかし固定horizonはopen-loop実行となり、fine-grained manipulationで頻繁なreplanningが必要な場合に問題となる。 - 本研究はDynamic Execution Horizon Prediction (DEHP)を提案する。 - pretrained chunk policyを完全にfrozenに保ち、軽量なexecution-horizon prediction branchをonline reinforcement learningで訓練する。 - black-box chunk policiesに互換で、execution horizonの適応効果をaction generatorの変更から分離できる。

- 従来のaction chunkingは固定execution horizonを前提とし、経験的tuningに依存しタスク依存性が高い。 - DEHPはhorizonを動的に予測し、open-loop chunk実行の効率とclosed-loop single-step controlの反応性を両立する。 - pretrained chunk policyをfrozenに保つため、black-box policiesに適用可能。 - horizon適応の効果をaction generatorの変更から切り離して評価できる点が新しい。 - 高精度・long-horizon manipulationタスクで成功率を大幅に改善。

- 軽量なexecution-horizon prediction branchをonline reinforcement learningで訓練する。 - pretrained chunk policyは完全にfrozenに保つ。 - これによりblack-box chunk policiesと互換性を持つ。 - horizon適応の効果をaction generatorの変更から分離する。 - fine-grained段階では短いhorizon、free-space motionでは長いhorizonを予測する。

- 異なる高精度・long-horizon manipulationタスクで評価。 - DEHPが成功率を大幅に改善することを示した。 - 定性的分析により、fine-grained段階で短いexecution horizon、free-space motionで長いhorizonを予測することを確認。 - これによりopen-loop chunk実行の効率とclosed-loop single-step controlの反応性のバランスを取ることを示した。

- 固定execution horizonの前提がfine-grained manipulationで問題となることを指摘。 - execution horizonは経験的tuningに依存しタスク依存性が高い。 - DEHPはhorizonを動的に適応させることでこの問題に対処。 - 定性的分析で段階に応じたhorizon予測を確認。 - その他の議論や限界は要旨からは不明。

- diffusion policies - flow policies - vision-language-action models - action chunking - online reinforcement learning - closed-loop single-step control