LAGOポリシー：滑らかな操作のための遅延認識型非同期拡散ポリシーと目標指向衝突回避計画

本論文は、Diffusion-based visuomotor policyを非同期推論で実環境に適用する際に生じるchunk間の不連続や障害物回避の欠如を解決する、LAGO Policyを提案する。 - 統合的な非同期action-generationフレームワーク - trajectory optimizationとdiffusion policyを統合 - 滑らかで安全な実行を目指す - 主な機能 - latency-aware classifier-free guidanceによるchunk間一貫性の改善 - demonstrationからtask-relevant interaction goalを予測し、goal-directed collision-free trajectory planningを実現 - spatial-temporal trajectory optimizationで低jerkかつ実行可能な動作に洗練 - 実世界の難タスクで滑らか・衝突なし・高成功率を達成

従来のdiffusion-based visuomotor policyは非同期推論時にchunk間の不連続や障害物回避機構の欠如により、ぎくしゃくした動きや衝突が生じていた。 - 本手法の優位点 - latency-aware classifier-free guidanceでchunk間一貫性を改善 - demonstrationからgoalを予測し、明示的なcollision-free planningを可能に - spatial-temporal trajectory optimizationで低jerk・実行可能な動作を実現 - これにより、実世界の難タスクで滑らかかつ衝突のない高成功率を達成 - ただし、具体的な比較対象や定量的優位性は要旨からは不明

LAGO Policyの技術的核心は以下の3点。 - latency-aware classifier-free guidance - 未来のactionにconditioningし、非同期推論時のchunk間不連続を低減 - goal-directed collision-free trajectory planning - demonstrationからtask-relevant interaction goalを予測 - そのgoalに向けた衝突回避軌道を計画 - spatial-temporal trajectory optimization - 実行するactionを時空間的に最適化し、低jerkでfeasibleな動きに洗練 - これらを統合した非同期action-generationフレームワーク

extensive real-world experimentsを実施。 - 難易度の高いmanipulationタスクにおいて - 滑らかな実行 - 衝突のない実行 - 高いtask success を達成したと報告。 - ただし、具体的なタスク内容、評価指標、ベースラインとの比較詳細は要旨からは不明。

要旨では、LAGO Policyが実世界の難タスクで滑らか・衝突なし・高成功率を達成したと述べられている。 - 議論の詳細（限界、失敗事例、計算コスト、一般化性など）は要旨からは不明。 - プロジェクトウェブサイトが示されているが、内容は要旨からは不明。

要旨で参照・比較されている研究は明示されていない。関連手法として以下が挙げられる。 - Diffusion Policy - classifier-free guidance - trajectory optimization - asynchronous inference - visuomotor policy - collision-free planning - 同分野の定番として、imitation learningやmodel predictive control (MPC) も関連する可能性があるが、要旨からは不明。