DexForesight：暗黙的な空間予測で器用把持ポリシーを接地する

- Dexterous manipulation のための policy learning framework「DexForesight」 - 周囲 scene と robot hand の両方に対する spatial foresight を、明示的な未来予測ではなく latent space に暗黙的に注入する - 学習時のみ action-conditioned spatial world model を用い、deployment 時は policy のみで RGB・language・robot state から動作 - DexJoCo 11 タスクと実機 3 タスクで評価

- 既存の world-action models は explicit future prediction で predictive knowledge を獲得する傾向 - DexForesight は future prediction を明示せず、world model の predictive world queries と policy queries を align して spatial dynamics を policy latents に転写 - deployment 時に depth 入力や明示的未来予測を必要としない点が特徴 - 要旨からは不明: 具体的な先行研究名との直接比較数値

- 学習時: offline scene depth、kinematic hand geometry、demonstration trajectories から action-conditioned spatial world model を学習 - world model は 3D hand-point motion と visual feature changes を予測し、articulated hand dynamics と scene changes、カメラに遮蔽された finger の動きも捉える - world model を freeze し、policy queries を predictive world queries に align、spatial dynamics を policy latents に転写して action generation を条件付け - deployment 時は policy のみ保持し RGB・language・robot state で動作

- DexJoCo simulation 11 タスクで base policy の overall success rate を 49.4% から 60.5% へ改善 - 実機 dexterous manipulation 3 タスクで 58.3% 成功、最強 baseline の 50.0% を上回る - 詳細な ablation や評価プロトコルは要旨からは不明

- 要旨からは不明: 限界や失敗要因、world model の誤差影響、汎化性に関する議論は明記されていない - 示唆される点として、depth や explicit future prediction なしで deployment 可能な設計 - 実機と simulation の双方で改善が報告されているが、タスク多様性や real-world のばらつきに関する議論は要旨からは不明

- 要旨で参照/比較されている具体的な先行研究名は明記されていない - 関連手法として world-action models、action-conditioned world models、dexterous policy learning の代表的文献を次に読む候補として挙げる - DexJoCo benchmark および実機 dexterous manipulation の baseline 論文も参照候補