模倣学習は巧緻操作における時間的ロバスト性を保持するのか？―タスク実行速度にわたるエキスパート・学習者間の比較―

要旨

模倣学習によって得られた器用操作方策は、通常、シーン、物体、または指示の変化に対する頑健性によって評価されるが、タスク実行速度の変化に対する性能はあまり検討されていない。そのため、学習者が模倣対象であるエキスパートと比較して、どの程度の時間的頑健性を保持しているかは未解明のままである。我々は、同一のタスク条件、初期条件のサンプリング、および速度倍率の下で、エキスパートと学習者を比較する。この評価を、ロボットが荷物を取得し、向きを変え、挿入する接触リッチなタスクであるParcelStowにおいて具体化する。デモンストレーションは、荷物取得後の操作フェーズについて、速度倍率の範囲を網羅している。スクリプト化されたエキスパートと、そのエキスパートのデモンストレーションから訓練されたAction Chunking with Transformers（ACT）方策は、いずれも公称速度で100%のタスク成功率を達成する。しかし、成功率はデモンストレーションされた範囲内で乖離する。最大速度では、エキスパートの成功率は84%、ACTの成功率は53%である。異なるパラメータ初期化を持つ2つのACT方策は同様の低下を示し、公称速度から最大実証速度までそれぞれ34および48パーセンテージポイント低下した。一方、エキスパートは16ポイントの低下であった。ステージレベルの解析により、最大実証速度におけるACTの失敗47件のうち35件は、挿入時の位置ずれに起因することが示された。相対運動ハンドオフの下では、ACTによる取得はすべて、再配向および自由空間での移送を通じて荷物を保持したが、タスク全体を完了したのは64%のみであり、エキスパートによる取得後は95%であった。評価したすべての方策と速度を通じて、力学的閉合を伴わない414回の取得のうち、タスクを完了したものは一つもなかった。したがって、公称速度でのタスク成功率が等しいことは、実行速度全体にわたってエキスパートの性能が保持されることを意味しない。コード、データ、および評価スクリプトは、https://github.com/coenwerem/parcelstow で入手可能である。

English

Dexterous manipulation policies learned by imitation are typically evaluated for robustness to variation in scenes, objects, or instructions, but their performance across task execution speeds is less often examined. This leaves open how much temporal robustness a learner retains relative to the expert it imitates. We compare an expert and learner under the same task conditions, initial-condition draws, and speedup factors. We instantiate the evaluation in ParcelStow, a contact-rich task in which the robot acquires, reorients, and inserts a parcel. The demonstrations span the speedup range for the manipulation phases after parcel acquisition. A scripted expert and an Action Chunking with Transformers (ACT) policy trained from the expert's demonstrations both achieve 100 percent task success at nominal speed. Their success rates diverge within the demonstrated range: at its maximum, expert success is 84 percent and ACT success is 53 percent. Two ACT policies with different parameter initializations show similar degradation, decreasing by 34 and 48 percentage points from nominal speed to the maximum demonstrated speed, compared with 16 points for the expert. Stage-level analysis shows that 35 of ACT's 47 failures at the maximum demonstrated speed are insertion misalignments. Under the relative-motion handoff, every ACT acquisition retains the parcel through reorientation and transfer in free space, but only 64 percent complete the overall task, compared with 95 percent after expert acquisition. Across all evaluated policies and speeds, none of the 414 acquisitions without force closure completes the task. Equal nominal task success therefore does not imply preservation of expert performance across execution speeds. Code, data, and evaluation scripts are available at https://github.com/coenwerem/parcelstow.