RAFAIL: ロボットマニピュレーションにおける関係性に着目した失敗検出

- ロボットマニピュレーション実行中の失敗検出フレームワーク RAFAIL を提案。 - タスク関連の関係性（gripper-object、object-target など）の異常を検出。 - VLM で成功デモをオフライン注釈し、point-cloud ベースの関係表現を学習。 - 実行時は関係重要度とタスク進捗を VLM 推論なしで予測し、関係特異的 OOD 検出器で評価。 - 失敗データ不要で、3つの実世界タスクで balanced accuracy 73.4% を達成。

- VLM は意味的評価が可能だが実行時計算コストが増大。 - OOD 検出器は無害なシーン変動に反応し、失敗関連の逸脱を捉えにくい。 - RAFAIL は OOD 検出をタスク関連部分に集中させ、無関係な変動への感度を低減。 - 失敗データを必要とせず、評価した OOD および uncertainty ベースの最強ベースラインを上回る。

- オフラインで VLM が成功デモにタスク進捗と関係重要度を注釈。 - これを用いて point-cloud ベースの関係表現を学習（policy 内部特徴に依存しない）。 - 実行時、関係特異的 OOD 検出器がこれらの表現を評価。 - 関係重要度とタスク進捗は VLM 推論なしで予測。 - タスク関連関係の異常を検出することで失敗を判定。

- 3つの実世界ロボットマニピュレーションタスクで評価。 - balanced accuracy 73.4% を達成。 - 評価した OOD ベースおよび uncertainty ベースの最強ベースラインを上回る。 - 失敗データを用いずに検出を実現。

- 要旨からは不明。 - 限界や失敗ケース、計算コスト、VLM 注釈の品質依存性などは記述されていない。

- 要旨で参照/比較されている研究：VLM ベースのタスク成果評価、OOD 検出器、uncertainty ベースの失敗検出。 - 関連手法：point-cloud ベースの関係表現学習、関係特異的 OOD 検出。 - 同分野の定番：ロボットマニピュレーションにおける失敗検出、OOD 検出、VLM を用いたタスク評価。