長期的ロボット制御のための視覚運動ポリシーにおける記憶検索

- 部分的観測環境で動く汎用ロボット向けに、長期履歴からの記憶検索を可能にする visuomotor policy「HALO」を提案。 - 物体の配置、人間が完了したタスク、家電の起動時刻など多様な過去情報を想起する必要がある。 - attention による長文脈の記憶検索を imitation learning に組み込む際の2課題（spurious correlation、memory の誤差蓄積）に対処。 - 最大8分の過去経験からタスク関連情報を検索し、long-horizon control を実現。

- 従来の task-specific または hand-designed なルールに頼る記憶機構と異なり、データから検索を学習する attention ベース手法を採用。 - 単純に Transformer を imitation learning へ組み込むと生じる (1) 過去情報と予測行動の spurious correlation、(2) 予測誤差の蓄積による model drift と cascading failures を明示的に扱う点が新しい。 - VLM の prior を蒸留し、video question-answering 目的で学習することで、検索をタスク関連情報へ誘導。 - sparse attention により履歴の関連部分のみを検索し、closed-loop 制御での誤差影響を低減。

- attention ベースの memory retrieval 機構を備えた visuomotor policy。 - 第1の要素: VLM の prior を policy に蒸留。デモ軌跡から memory-dependent な question-answer ペアを生成し、video question-answering 目的と joint training。 - 第2の要素: sparse attention を用い、履歴全体ではなく最も関連する部分のみに検索を制限。 - これらにより、最大8分の過去経験からタスク関連情報を検索する long-horizon control を狙う。

- 要旨からは不明（具体的な実験設定、ベースライン、評価タスク、成功指標は記述されていない）。 - 記述上は、最大8分の過去経験からの検索を可能にし、long-horizon control の信頼性向上を示すと主張。

- 要旨からは不明（限界、失敗事例、計算コスト、一般化性能などの議論は記述されていない）。 - 課題として、spurious correlation と memory の誤差蓄積・model drift・cascading failures を挙げ、それぞれへの対策を提示。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として、attention over long contexts を用いる Transformer、imitation learning from offline data、vision-language model (VLM)、video question-answering、sparse attention が挙げられる。 - 同分野の定番として、visuomotor policy 学習、long-horizon robot control、partially observable 環境での memory 機構に関する研究を読むとよい。