安全な協調マニピュレーションにおける行動変化検出のための信念ダイナミクス

Abstract

共通の作業空間で動作するロボットは、タスク実行中にその行動が変化し得る他のエージェントと、安全な協調を維持しなければなりません。共同作業エージェントがエピソードの途中で戦略を切り替えると、古い前提のまま継続することで危険な行動につながり、衝突リスクが増加します。そのため、このような行動のレジーム（状態体系）変化を確実に検出することが重要です。私たちは、ManiSkillの共有作業空間での操作タスクにおける、制御された非定常性下でのレジーム切り替え検出を研究します。10種類の検出手法と5つのランダムシードにわたって、検出を可能にするとスイッチ後の衝突が52%減少します。しかし、平均性能には大きな信頼性の差が隠れています。現実的な許容誤差が+-3ステップの場合、検出範囲は86%から30%まで幅がありますが、+-5ステップでは全ての手法が100%を達成します。私たちは、軽量な信念追跡モジュールであるUA-TOMを導入します。これは、凍結した視覚言語行動（VLA）制御バックボーンに対して、選択的な状態空間ダイナミクス、因果的注意、予測誤差信号を用いることで拡張を行います。5つのシードと1200エピソードにおいて、UA-TOMは、非支援手法の中で最も高い検出率（+-3で85.7%）と最も短い近距離時間（4.8ステップ）を達成し、Oracle（5.3ステップ）を上回ります。分析によると、隠れ状態の更新量はレジーム切り替えで17倍に増加し、およそ10タイムステップで減衰します。一方で、離散化ステップはほぼ一定値へ収束します（Delta_t 約0.78）。これは、入力依存のゲーティングではなく、学習されたダイナミクスによる感度を示しています。Overcookedにおけるクロスドメイン実験では、因果的注意と予測誤差信号の相補的な役割が示されます。UA-TOMは、7.4 msの推論オーバーヘッド（50 msの制御予算の14.8%）を導入するだけで、基盤となるポリシーを変更することなく、信頼性の高いレジーム切り替え検出を可能にします。