キーポーズ探索：効率的な自動軌道ラベリングとクロスエンボディメントポリシー転送

- 本論文は、grasp関連タスクにおける自動軌道ラベリングパイプラインと、keypose-guided Diffusion Policy (DP) を提案する。 - タスクを重要なwaypointに分解するkeypose-based manipulationの枠組みを採用。 - 視覚言語モデル (VLM) と古典的軌道解析を組み合わせ、手動アノテーションなしでkeyposeを抽出。 - ラベル付きデータで訓練したDPは、keypose conditioningによりデモ分布に介入可能。 - この特性をcross-embodiment transferに応用し、reachability mapで候補keyposeをフィルタリング。 - 2つのrobomimicタスクで予備的実現可能性を検証。

- 既存のkeypose抽出手法はタスク固有のヒューリスティクスや手動アノテーションに依存していた。 - 提案パイプラインは自動化を実現し、VLM推論を繰り返しデモ中の1つにのみ適用するため効率的。 - ラベル付きデータから訓練したDPは標準DPベースラインと同等の性能を達成。 - さらに、reachability-filtered keypose conditioningがzero-shot transferに寄与する可能性を示した点が新しい。

- 自動軌道ラベリングパイプライン：VLMによる意味的イベント検出と古典的軌道解析による時間的アライメントを統合。 - VLM推論はタスクごとに繰り返しデモのうち1つだけに適用し、効率化。 - keypose-guided Diffusion Policy：keypose conditioningを利用してデモ分布に介入。 - cross-embodiment transfer：候補keyposeをサンプリングし、reachability mapでフィルタリングして目標ロボットに運動学的に実行可能なkeyposeへ誘導。

- 2つのrobomimicタスクで実験を実施。 - ラベル付きデータから訓練したポリシーが標準DPベースラインと同等の性能を示すことを確認。 - マルチモーダル挿入タスクにおいて、reachability-filtered keypose conditioningがzero-shot transferに利益をもたらす可能性を示唆。 - ただし、予備的な実現可能性研究としての検証。

- 提案手法は予備的な実現可能性研究であり、限られたタスクでの検証。 - reachability-filtered keypose conditioningのzero-shot transferへの効果は、実行可能な候補が利用可能な場合に限られる。 - より広範なタスクやロボットへの一般化可能性については議論の余地がある。 - 要旨からは、失敗事例や限界についての詳細は不明。

- 要旨で参照/比較されている研究：keypose-based manipulationの既存手法、Diffusion Policy (DP)、robomimicタスク。 - 関連手法：vision-language models (VLMs)、reachability map。 - 同分野の定番：模倣学習における行動クローニング、強化学習ベースの操作。 - 具体的な論文名は要旨に明記されていないため、上記のキーワードを基に調査することを推奨。