TacBPM: 触覚条件付き行動事前モデルによる巧みな再配向

- 器用なin-hand manipulationのためのtactile-conditioned behavior prior modelであるTacBPMを提案。 - 多尺度のsphere specialistsをlatent controllerに蒸留し、下流のpolicyが固定されたtactile priorをresidual latent actionsを通じて再利用する。 - 対象物の再配向を目的とし、接触を伴う高自由度ハンド関節の協調を実現する。

- 従来のraw joint commandsからの探索と比較して、再探索を削減し、学習を加速する。 - マッチしたraw-action PPOがほぼ失敗するのに対し、安定したpolicyを実現する。 - 異方性物体への任意姿勢転送、指令軸回転、arm-hand Grasp-to-AnyPoseタスクで有効性を示す。

- 多尺度のsphere specialistsをlatent controllerに蒸留する。 - 下流のpolicyは固定されたtactile priorをresidual latent actionsで再利用する。 - priorはtactile-proprioceptive historyに条件付けられ、現在のhand-object interactionを反映する。

- 異方性物体への任意姿勢転送、指令軸回転、arm-hand Grasp-to-AnyPoseタスクで評価。 - 新規工具形状と一般化配置に対するgrasp, lift, transport, reach goal posesを含む。 - 学習加速と安定policyを実証し、in-handおよびarm-handタスクでsim-to-real転送に成功。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。同分野の定番として、PPO、sphere specialists、tactile-conditioned behavior prior model、residual latent actions、sim-to-real transferに関する研究が挙げられる。