見えないものを夢見る：外部分布（OOD）への頑健性のための、世界モデル正則化拡散ポリシー

概要: 拡散ポリシーはビジュアルモータ制御に優れていますが、予期しない物体の移動や視覚の破損といった、強い分布外（OOD）擾乱の下ではしばしば壊滅的に失敗します。この脆弱性に対処するため、共有された3D視覚エンコーダを通じて、拡散ワールドモデルをポリシーの学習目的へ深く統合する枠組み「Dream Diffusion Policy（DDP）」を提案します。この共同最適化により、ポリシーは頑健な状態予測能力を獲得します。推論中に突然のOOD異常に遭遇すると、DDPは「現実（実際の観測）-イマジネーション（想像）」の不一致を検出し、破損した視覚ストリームを積極的に見捨てます。その代わりに、内部にある「imagination（自己回帰的に予測した潜在ダイナミクス）」に頼って、擾乱を安全に回避し、想像上の軌道を生成します。その後、物理的現実との整合へ滑らかに再調整します。大規模な評価により、DDPの優れた耐性が示されています。特に、DDPはMetaWorldにおいてOOD成功率73.8%を達成しています（予測型imaginationなしでは23.9%）。また、深刻な現実世界の空間シフト下では成功率83.3%を達成しています（予測型imaginationなしでは3.3%）。さらにストレステストとして、初期化後に完全にオープンループのimaginationだけに依存する場合でも、DDPは現実世界の成功率76.7%を維持します。