物理に基づく生成ポリシーの接地：ロボット制御のための最適化誘導拡散

タスク空間のロボット政策において、diffusion model が生成する grasp・waypoint・trajectory は分布的に妥当でも、reachability・collision-avoidance・closed-loop executability などの物理制約に違反しうる。本論文は、この embodiment gap を埋めるため、推論時に diffusion guidance を constrained optimization として定式化し、生成行動を物理的実現可能性に結びつける枠組みを提案する。dexterous grasp synthesis と dynamic manipulation で評価している。

従来の projection や gradient-guidance ベースラインと比べ、提案法は feasibility を同等に保ちつつ grasp quality をより良く保持し、controller-level executability と task success を改善する。task success は dexterous grasping で最大 20pp.、visuomotor manipulation で最大 23pp. 向上した。また diffusion model の再学習を必要としない点が利点である。

推論時最適化フレームワークを提案する。鍵となる着想は、backward process における sampling perturbation を最適化された correction に置き換えることである。これにより、学習済み prior に近いサンプルを保ちながら、sampling 中に hard constraints や soft penalties を課せる。diffusion guidance を constrained optimization problem として定式化する。

dexterous grasp synthesis では reachability と collision-avoidance 制約、dynamic manipulation では controller-level trackability 制約を用いて評価した。複数の設定と robot embodiments にわたり、optimization-guided denoising が projection および gradient-guidance ベースラインと feasibility で同等であり、grasp quality の保持、controller-level executability、task success の改善を示した。

要旨からは不明。ただし、提案法は hard constraints や soft penalties を sampling 中に課し、再学習不要で prior に近いサンプルを保つと述べられている。embodiment gap や zero-shot deployment への言及があるが、限界や失敗事例についての議論は要旨からは不明。

要旨で参照/比較されている projection ベースライン、gradient-guidance ベースライン、および diffusion model を用いたロボット政策の関連研究。具体的な論文名は要旨からは不明。