自己遮蔽を伴う密集環境下でのロバストな物体回収のための計画条件付き模倣学習

- 密な clutter から物体を回収するタスクを対象とした TRACE という plan-conditioned imitation framework。 - 単一の非遮蔽観測から digital twin を初期化し、privileged teacher が固定の nominal rollout を生成。 - recurrent student が局所 rollout 文脈・部分物体観測・proprioception を統合し、予測からのずれを補正する行動を選択。 - 実行中 rollout は固定で、展開時に online teacher query や追加 simulator rollout を必要としない。

- nominal replay の 43.4% に対し TRACE は 90.7% 成功。 - privileged closed-loop teacher の 96.7% に迫る性能を、teacher への online query なしで達成。 - 同ラベル予算 26,373 で student-state supervision 87.8% 対 expert-only cloning 66.7% を示し、単なるラベル追加以上の利得。 - UR5e で closed-loop teacher の 95.0% に対し 90.0% を保ちつつ、実行時間を 192.7 s から 67.3 s に短縮。

- 単一の unoccluded 観測で digital twin を初期化。 - privileged teacher が固定 nominal rollout を生成。 - recurrent student が local rollout context、partial object observations、proprioception を入力に行動選択。 - behavior cloning で初期化し、DAgger で student-visited states に teacher label を付けて精緻化。 - rollout は実行中固定のため、pushing 中に online teacher query や追加 simulator rollout が不要。

- 511 の simulation test scenes で評価。 - TRACE 90.7%、nominal replay 43.4%、privileged closed-loop teacher 96.7%。 - 26,373-label budget で student-state supervision 87.8% 対 expert-only cloning 66.7%。 - UR5e 実機で TRACE 90.0%、closed-loop teacher 95.0%、実行時間 192.7 s から 67.3 s に短縮。 - pushing 中の teacher の 16.8 回/trial の sensing-related arm retractions を回避し、graspability evaluation 用の最終 withdrawal は保持。

- 要旨からは不明。 - 明示されているのは self-occlusion 下の retrieval における arm retraction 回避と実行時間短縮の利点。 - 限界や失敗要因、一般化性、実機での詳細な議論は要旨からは不明。

- 要旨で参照/比較されている nominal replay、privileged closed-loop teacher、behavior cloning、DAgger、digital twin に関する研究。 - 関連手法として imitation learning、DAgger、behavior cloning、privileged learning、digital twin ベースの manipulation。 - 同分野の定番として object retrieval under clutter、self-occlusion を扱う manipulation 研究。