Adaptor：few-shot学習とクロスオペレータ汎化によって支援的テレオペレーションを前進させる

要旨: 助けとなる遠隔操作は共有制御によって効率を高める一方で、習慣や専門性の多様さに起因するオペレーター間のばらつきが、非常に不均一な軌跡分布を引き起こし、意図認識の安定性を損ないます。私たちは、頑健なオペレーター間意図認識のための少数ショット（few-shot）フレームワークである Adaptor を提案します。Adaptor は、2つの段階によってドメインギャップを橋渡しします: (i) 前処理。軌跡への摂動をノイズ注入によって合成し、意図の不確実性をモデル化するとともに、幾何学に配慮したキーフレーム抽出を行います。および (ii) 方策学習。処理済みの軌跡を Intention Expert で符号化し、それらを事前学習済みの視覚-言語モデルの文脈と融合して Action Expert を条件付けし、行動生成を行います。実世界およびシミュレーションによるベンチマークでの実験により、Adaptor は最先端の性能を達成し、ベースラインに比べて成功率と効率を向上させることが示されます。さらに、この手法は専門性の異なるオペレーター間で分散が小さく、頑健なオペレーター間の汎化を示します。