条件付き軌道ピーク：アクションチャンク上のシングルパス多峰性ポリシー

本論文は、Conditional Trajectory Peaks (CTP) という単一パス方策フレームワークを提案する。 - 同一観測下で多様な実行可能未来を生成し、再計画サイクル間で一貫した振る舞いを実現する。 - 完全な action-chunk 候補、確率質量、trajectory scale を同時に予測する。 - 構成要素は Distribution-Aware Peak Specialization (DAPS) と Evidence-Gated Trajectory Belief Transport (ETBT)。 - 模倣学習におけるマルチモーダル性と閉ループ一貫性、推論効率を両立する。

先行研究との比較は要旨からは不明。 - ただし、単一パスで multimodal な trajectory 候補と確率質量・scale を同時予測する点を特徴とする。 - 再計画間の一貫性を ETBT で維持しつつ、現在の方策証拠で履歴制約を上書き可能とする点が従来と異なる可能性。 - 具体的な先行手法名や優位性の定量的比較は要旨に記載なし。

技術の肝は以下の2点。 - Distribution-Aware Peak Specialization (DAPS): trajectory-level posterior responsibility と mass・scale で変調した overlap 制約により trajectory peak を特化。 - Evidence-Gated Trajectory Belief Transport (ETBT): 交換可能な候補集合間の幾何対応を通じて cross-chunk 一貫性を維持し、現在の方策証拠で履歴制約を上書き可能。 - 単一パスで action-chunk 候補・確率質量・trajectory scale を jointly 予測。

以下のベンチマークと実機実験で検証。 - Push-T: coverage score 91.40%。 - D3IL: Avoiding 100.0%、Aligning 79.72%、Sorting-2 84.44% の成功率。 - LIBERO: 平均成功率 97.25%。 - 実世界 dual-arm 実験: two-plate タスクで両配置モードを保持し 50 試行すべて成功。 - bottle uprighting と pen placement into a holder: π_{0.5} と同等の成功率を維持しつつ、推論遅延を 218.24 ms から 75.80 ms に削減。

要旨からは不明。 - 結果は single-pass trajectory modeling が multimodal behavior、closed-loop consistency、効率的推論を両立可能と示す。 - 限界や失敗事例、計算コスト、ハイパーパラメータ感度などの議論は要旨に記載なし。

要旨で参照・比較されている研究は π_{0.5} のみ。 - 関連手法として、multimodal imitation learning、action chunking、trajectory modeling の定番（例: Behavior Cloning, Diffusion Policy, Action Chunking Transformer）を次に読む候補として挙げる。 - 具体的な論文名は要旨に記載なし。