予測的動力学適応による統一ロボットマニピュレーションのための集合学習

- 複数のロボットembodimentにまたがるstate-based Cartesian manipulationのためのcollective policy学習フレームワークPACEを提案。 - 共有タスク意図とembodiment依存のtransition dynamicsを分離するtwo-stage構成。 - 第1段階はoffline trajectoriesで事前学習したrepresentation layerでtask-level contextを抽出。 - 第2段階はpredictive dynamics adapterを備えたdecision layer。 - シミュレーションと物理KUKAで検証。

- 従来のcollective learningはmulti-robot experienceを単純集約し、同一Cartesian commandを異なるtransitionで実現するembodiment間でaction modesを平均化。 - その結果strategy ambiguityとdynamically outlying embodimentsでのperformance collapseが生じる。 - PACEは共有task-space intentとembodiment依存dynamicsを分離し、性能崩壊を防ぐ。 - シミュレーションで93%超のoverall success、動的OOD zero-shotで89%を達成。 - Transformer behavior cloning(82%)やdiffusion policy(66%)を上回る。

- two-stage collective learning framework。 - 第1段階: offline trajectoriesで事前学習したrepresentation layerがcollective dataからtask-level contextを抽出。 - 第2段階: predictive dynamics adapter付きdecision layer。 - latent stateにfuture transitionsを予測させることで、adapterがlatent regularizerとして機能。 - 実行ロボットのtransition behaviorにpolicyを接地させつつ、online planningなしでreal-time inferenceを維持。

- シミュレーション上の複数embodimentで評価。 - 異なるロボットでのperformance collapseを防ぐことを確認。 - overall success 93%超、dynamically out-of-distribution zero-shot simulated robotsで89%。 - Transformer behavior cloning(82%)、diffusion policy baselines(66%)と比較。 - 物理KUKA展開でzero-shot sim-to-real transfer下のfull state-based pipelineの実現可能性を検証。

- 要旨からは不明。 - 明示的なlimitationsやfailure cases、計算コスト、スケーラビリティの議論は記載されていない。 - 物理KUKAでの検証はfeasibilityの確認に留まる。

- Transformer behavior cloning - diffusion policy - collective learning - sim-to-real transfer - predictive dynamics adaptation - 関連するmulti-embodiment manipulation研究