ロボット操作における適応型ワーキングメモリ

本論文は、ロボット操作における状態の曖昧性という課題に取り組んでいます。これは、同一の観察結果が複数の有効な行動軌道につながる一般的な問題です。提案されたPAM（Policy with Adaptive working Memory）は、ナイーブな方法の計算上の負担と過剰適合の問題なしに、長い履歴ウィンドウを処理するための新しいアプローチを提供します。2段階のトレーニング、階層的な特徴抽出、コンテキストルーティング、および再構成目的の使用は、重要な革新です。高い推論速度（20Hz以上）を維持することに重点を置いていることは、実際のロボットアプリケーションにとって重要です。7つのタスクにわたる評価は、状態の曖昧性を処理するPAMの有効性を示しています。

• •ロボット操作における状態の曖昧性に対処。
• •Adaptive working Memoryを備えた新しい視覚運動ポリシーであるPAMを提案。
• •2段階のトレーニングプロセスを採用。
• •階層的な特徴抽出、コンテキストルーティング、および再構成目的を利用。
• •300フレームの履歴ウィンドウで高い推論速度（20Hz以上）を達成。
• •複数のタスクにわたる有効性を実証。