回復・発見・計画：ロボットの失敗からスキルと概念を学習する

ロボットが失敗から回復するだけでなく、将来の失敗を避けるための抽象知識を獲得する手法 ReSYNC を提案する論文。 - 失敗回復経験から relational predicates を段階的に発見・洗練し、抽象プランニングを支援する。 - 反応的な回復と概念学習を統合する初のアプローチと主張。 - 長期的な未見問題の解決と sim-to-real 転移を示す。

従来の RL による反応的回復は失敗モードごとに個別ポリシーが必要で非効率。 - ReSYNC は失敗回復経験から抽象的な relational predicates を発見し、抽象プランニングモデルを洗練する。 - これにより訓練中の局所的回復をテスト時の大域的な失敗回避に変換できる点が新しい。 - 4つのシミュレーション領域で強力なベースラインを50%以上上回る。

ReSYNC は skill-learning と concept-learning の incremental dual-learning を交互に行う。 - skill-learning では RL で訓練タスクの失敗からの回復スキルを学習。 - concept-learning では新しい relational predicates を発見し、抽象プランニングモデルを洗練して回復行動を説明・一般化。 - この相互作用で抽象ライブラリを継続的に拡張・洗練する。

4つのシミュレーション領域で評価し、長期的で未見の問題を解決できることを示す。 - 強力なベースラインを50%以上上回る性能を報告。 - sim-to-real 転移を実証し、実世界の non-prehensile manipulation スキルを実行。 - 抽象プランニングにより未見シナリオへ一般化することを確認。

要旨からは不明。 - 限界や失敗事例、計算コスト、スケーラビリティに関する議論は要旨に記載なし。 - 実世界での安全性や他のタスクへの適用範囲も不明。

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 reinforcement learning (RL)、relational predicates、abstract planning、sim-to-real transfer が挙げられる。 - 同分野の定番として RL による failure recovery、relational abstraction、task and motion planning (TAMP) の文献を読むとよい。