言うとおりに適応する：人間の言語フィードバックによるオンライン双腕スキル適応

要旨: 人間の生活環境内で自律的に動作できる汎用ロボットを開発するには、絶えず変化し続けるタスク条件に適応する能力が必要です。しかし、高次元の協調的な両手スキルを、運用時の新たなタスク変化に適応させることは、依然として根本的な課題です。本研究では、BiSAIL（Bimanual Skill Adaptation via Interactive Language）と呼ぶ新しい枠組みを提案します。これは、対話的な言語フィードバックを通じて、オフラインで学習した両手スキルをゼロショットでオンライン適応することを可能にします。BiSAILの中核となる考え方は、階層的な「推論してから変調する（reason-then-modulate）」パラダイムを採用することです。具体的には、まずマルチモーダルなタスク変化から一般化された適応目標を推論し、次に拡散（diffusion）の変調によって両手の動作を適応させ、推論された目標を達成します。6つの両手タスクと2つのデュアルアーム・プラットフォームにまたがる大規模な実ロボット実験により、BiSAILが、人間が介在する適応性、タスクの一般化、そして身体（胴体）形状をまたいだスケーラビリティにおいて、既存手法を大幅に上回ることが示されます。本研究は、非専門ユーザが直感的な口頭の修正によって柔軟にカスタマイズできる適応型両手アシスタントの開発を可能にします。実験動画とコードは https://rip4kobe.github.io/BiSAIL/ で利用できます。