AutoSpeed: 注釈不要の段階適応型動作速度学習によるロボット操作

AutoSpeedは、ロボット操作タスクにおける既存のvisuomotor policyに、ステージ適応的な動作速度を学習させるモデル非依存のフレームワークである。従来のILベースのpolicyは、専門家デモの実行速度を模倣し、固定の時間的予測ホライズンで動作するため、柔軟性とスループットが制限される。AutoSpeedは、速度やステージのアノテーションを必要とせずに、単純なステージでは速く、複雑なステージでは遅く動作するように、policyが将来の軌道を予測する際の速度を調整する。

先行研究のILベースのvisuomotor policyは、デモの実行速度を固定して模倣し、時間的予測ホライズンも固定である。AutoSpeedは、ステージごとに異なる難易度に応じて速度と予測ホライズンを適応させる点で新しい。さらに、速度やステージのアノテーションを必要としないため、追加のラベル付けコストをかけずに実装できる。

手法の核心は、異なる速度での将来軌道を候補として生成し、予測誤差と予測ホライズンのトレードオフを評価する複合コストを用いて、最小コストの候補に向けてpolicyを最適化することである。固定長のアクションシーケンスにおいて、速度変調は有効な時間的予測ホライズンを調整する。具体的には、離散コサイン変換(DCT)を用いて周波数領域で速度変調を行い、滑らかで非整数の速度スケーリングを実現し、動作の連続性を保つ。

広範な評価により、AutoSpeedがタスク実行時間を大幅に短縮し、成功率も向上することを示した。また、AutoSpeedフレームワークの下で推定された動作速度が、タスクのステージと強い対応関係を持つことを確認した。

要旨からは、AutoSpeedの限界や潜在的な欠点についての議論は不明である。ただし、速度変調がDCTに基づくため、周波数領域での操作が軌道の滑らかさに与える影響や、複合コストの重み設定の感度などが考えられるが、要旨には明記されていない。

要旨で参照されている研究は明示されていないが、関連する分野として、IL-based visuomotor policies、動作速度学習、時間的予測ホライズンの適応に関する研究が挙げられる。具体的には、Behavior CloningやDiffusion Policyなどの既存のvisuomotor policy手法、およびDCTを用いた軌道生成手法を読むことが推奨される。