PAC-ACTが示す産業ロボット工学の新展開：リアルタイム制御と安全性向上への道

この研究では、精度が要求される産業用接触操作において、ポーズの変動や接点力制約に対応するための信頼性のあるロボット政策が必要であると指摘しています。視覚言語行動モデルは広範な汎化能力を提供しますが、推論遅延やGPUメモリコストが高いという課題があります。一方で、ビジョンアクションチャンキングポリシーはリアルタイム産業制御に適していますが、接触豊富なタスクでは分布シフトの問題があります。この研究では、事前学習された行動チャンキングトランスフォーマー政策に対して強化学習後処理フレームワークを提案し、PAC-ACTと名付けました。PAC-ACTは、チャンクレベルでのポリシー最適化を行い、ACT転送型のアクタークリティックアーキテクチャを作り出し、オンライン微調整中に事前学習された行動分布を維持するためのハイブリッド行動事前制約を導入しています。産業用精度接触ベンチマークでの実験では、PAC-ACTがタスク成功、接点安定性、力安全性を向上させつつ低遅延と低GPUメモリ使用量を維持していることが示されています。