ロボット学習:数値が示すことと示さないこと

KinDERベンチマーク群（arXiv:2604.25788）のタスクを用い、プランナーによる物体操作に少量の学習を組み合わせてシミュレーションで研究しています。このページで報告するのは独自の評価セットでの結果であり、公式ベンチマークの結果ではありません。

方法

各バリアントは250エピソードを実行:環境シード0〜249、1シード1エピソード。プランニングにはサンプリングベースのプランナー(RRT)を使い、そのシードは環境シードとステップ番号から導出。コード不変・同一シードでは、再確認したシードでシミュレーションは決定論的。95秒の上限近くのエピソードはマシン負荷に依存し結果が変わりうる。小さなコード変更でも個別のエピソードが変わりうる。各エピソードに95秒の実時間上限を追加した。上限超過は失敗として数えるため、上限なしの同一プロトコルでは結果は同等かそれ以上になる。これは他のプロトコルや他のシードについては何も示さない。

結果

Clutteredファミリーでは、障害物が増えると成功率が下がる:障害物1個で250エピソード中249、10個で233、25個で152。

最難関の25障害物ケースは、失敗した配置のリトライを2回から最大5回に増やしたことで、250回中138から152成功に改善した。比較は同じシードで対応付けられている。

残りの失敗の原因

25障害物での98の失敗エピソードのうち、47は把持失敗、26は時間上限到達、15は有効な置き場なし、10は配置不正確だった。

限界

• シミュレーションのみ。実ロボットでの結果はありません。
• 公式ベンチマークと直接比較はできない:論文は50エピソード×5シード、こちらは250の異なるシードを使用。Cluttered、Obstruction、Storageファミリーについて論文は数値を公開していないため、公式な参照はなく、最先端の主張もしない。
• 開発と評価は同じ250の環境シード(0〜249)を使用。ホールドアウトセットは一度もテストしておらず、新しいシードでは数値が楽観的な可能性がある。そのような効果の大きさは測定していない。
• 時間上限は我々の追加要素であり、このプロトコル下で報告される成功率を下げることしかない。
• 難しい障害物25個のすべての場面で、障害物を取り除く手順が存在するかは未解決です。存在することも、存在しないことも証明していません。

コード、未加工の結果、詳細な報告書は公開していません。