データ効率の高いロボット模倣学習のためのマルチカメラ視点スケーリング

要旨: ロボットによる操作における模倣学習ポリシーの一般化能力は、専門家デモンストレーションの多様性によって根本的に制約されます。一方で、さまざまな環境からデモンストレーションを収集することは、実際にはコストが高く困難です。本論文では、デモンストレーション収集時にカメラ視点をスケールすることで、追加の人手を要さずに内在するシーンの多様性を活用する、実用的な枠組みを提案します。より多くの軌跡を獲得する代わりに、各専門家軌跡から擬似デモンストレーションを生成するために、複数の同期されたカメラ視点を用います。これにより学習分布が拡充され、視覚表現における視点不変性が向上します。さらに、異なる行動空間が視点スケーリングとどのように相互作用するかを分析し、カメラ空間表現が多様性を一層高めることを示します。加えて、マルチビューの行動集約手法を導入し、単一視点ポリシーが運用時に複数のカメラを活用できるようにします。シミュレーションおよび実環境での操作タスクにおける大規模な実験により、単一視点のベースラインと比べてデータ効率と一般化の両面で大きな改善が示されます。本結果は、カメラ視点のスケーリングが、模倣学習に対して最小限の追加ハードウェア構成で済み、既存の模倣学習アルゴリズムにシームレスに統合できる、実用的でスケーラブルな解決策であることを示唆しています。プロジェクトのウェブサイトは https://yichen928.github.io/robot_multiview です。