研究チームは、何らかの妨害によって次の動作が適切でなくなったとき、ロボットの復旧を支援するシステム「DiMuRe」を発表した。ロボットが現在どの作業段階にあるかを示す情報をもとに、既存のプログラムを再利用するか、あらかじめ定義された復旧スキルを試すかを判断する。プログラムの終了後には、AIモデルが修正コードを生成することもできる。
Encoreの開発環境で妨害を加える予定のケース801件をテストしたところ、論文によると、同じ物理ステップ数の上限でタスクを完了した割合は、Local DiMuReが77.65%、元のプログラムが58.68%だった。追加のステップと、終了時の再計画を伴うFull DiMuReでは81.90%に達した。研究チームは、復旧能力を検証するベンチマーク「LIBERO-Disturb」も発表した。
なぜ重要か
ロボットのタスク遂行の信頼性を検証する研究者にとって、LIBERO-Disturbは作業中の妨害に焦点を当てたベンチマークとなる。ただし、報告された性能向上が他のロボットや実環境でも得られるかは、ここでは確認されていない。
