MoE-DAgger：位相構造マニピュレーションにおける遷移認識ルータエントロピーゲーティングによる選択的人間修正

- ロボットの manipulation における Dataset Aggregation (DAgger) のための selective data acquisition 手法 - 順序付けられた phase を持つタスクを対象とする - phase-supervised soft mixture-of-experts (MoE) の router entropy を介入判断に用いる - 実行時に phase label・progress variable・hard phase command を policy に与えない - 人間による correction をいつ要求するかを決める gating 則を提案する

- 従来の phase-unaware filtered entropy と比較して、matched active human-control budgets 下で成功率が大幅向上 - Green で 84.0%（+22 percentage points） - Red で 78.0%（+26 points） - 単純な router entropy では区別できない「正常な隣接 phase 間 handoff」と「非隣接/過去 phase への支持」を causal router history で識別 - 提案選択の精度でも temporal action-chunk disagreement（70.0%/72.0%）や ensemble disagreement（63.3%/60.0%）を上回る（83.3%/80.0%）

- phase-supervised soft MoE の router entropy を監視 - causal router history を用いて高 entropy の原因を分類 - 隣接 phase への遷移中なら settle を待つ - 遷移外で高 entropy が持続する場合に correction を要求 - 遷移が timeout した場合も要求 - routing が過去 phase を persistent に支持する場合も要求 - 実行時に phase label や progress variable を policy に渡さない設計

- 2 つのタスク（Green, Red）で評価 - matched active human-control budgets 下で task success を比較 - 各タスク 50 rollouts で collision を観測（衝突なしと報告） - 各タスク 50 個の shared intervention-free traces で first proposal の精度を評価 - 15/25 traces 選択時の failed rollout 検出率を比較 - Shadow replay と active no-veto ablation を実施 - 正常な隣接 handoff での query 抑制が改善の主要因と分析

- 正常な隣接 phase handoff での query 抑制が improved allocation の鍵であると ablation で示唆 - router entropy 単体では不十分で、causal history による文脈判断が重要 - 限定的なタスク（Green, Red）での評価であり、他タスクへの一般化は要旨からは不明 - 長期的な phase 構造や複雑な遷移への適用性は要旨からは不明

- Dataset Aggregation (DAgger) の原論文 - mixture-of-experts (MoE) における router entropy を用いた不確実性推定の関連研究 - temporal action-chunk disagreement や ensemble disagreement を用いた selective acquisition の比較手法 - phase-supervised learning / phase segmentation に関する研究（要旨で明示的な参照なし）