Robo-MLT: 長期医療検査タスクのためのデュアルシステム型ロボットマニピュレーション

- 医療検査室の自動化向けに、ロボットがプロトコル順に長時間作業(blood gas analysis や blood sample tube sorting)を完遂するための dual-system framework「Robo-MLT」を提案した研究。 - 明示的な workflow monitoring と学習ベースの action generation を組み合わせる。 - vision--language planner、multiframe execution monitor、skill-conditioned vision--language--action policy、asynchronous runtime から構成される。

- 従来の policy 単体では、見た目が似た段階の混同や human intervention 後の停止により workflow が失敗しうる点を問題視。 - 4つの policy baseline と VLM-based monitor baseline と比較し、Robo-MLT は task success rate 82%・70% を達成。 - $\pi_{0.5}$ をそれぞれ 30・22 percentage points 上回った。 - 単なる動作生成ではなく、workflow の進行監視と replanning を統合した点が特徴。

- vision--language planner が protocol と初期 workspace observation から順序付きの atomic-skill sequence を構成。 - multiframe execution monitor が現在の skill の完了や実行不能(infeasible)を検出し、workflow の前進または replanning を起動。 - skill-conditioned vision--language--action policy が manipulation trajectory を生成。 - asynchronous runtime が policy と monitor を協調動作させる。

- blood gas analysis と blood sample tube sorting の2タスクで評価。 - 各手法につき nominal configuration 50回、sample-removal configuration 20回を実施。 - 4つの policy baseline と VLM-based monitor baseline と比較。 - 操作者が処理中のサンプルを取り除いた後も、残りの plan を修正して他サンプルの処理を継続できることを確認。

- 評価条件下では、明示的な workflow monitoring が long-horizon laboratory manipulation の信頼性と recoverability を高めると結論。 - 限界や失敗事例の詳細、他タスクへの一般化、sample-removal 以外の外乱への頑健性は要旨からは不明。 - 実運用での安全性や human-robot 協調の評価は要旨からは不明。

- 比較対象の $\pi_{0.5}$(vision--language--action policy)。 - 比較対象の VLM-based monitor baseline。 - 関連手法として vision--language planner、multiframe execution monitor、skill-conditioned vision--language--action policy、asynchronous runtime の各構成要素に関する研究。