未知の物理制約を持つロボットとゼロショットで協調するWatch, Infer, Coordinate

ヘルパーは、別ロボットと協調する様子を観察し、パートナーの持続的な物理制約を推論して、同じパートナーと新しいタスクでゼロショット協調できるか。

ロボットは経年劣化やアクチュエータ故障により関節位置や速度など低レベル動作が制限されるが、パートナーにはその制約が見えない。従来はタスクレベルの能力推定や行動適応であり、持続的な低レベル物理制約を明示的に推論しない。物理的に結合した協調では、もう一方のロボットが補償するため制約が見えにくい。

既存のパートナー支援手法（Watch-and-Help、Smart Help、CHAICなど）は目標やタスクレベルの能力を推論する。物理結合型の協調手法（CHORUSなど）は行動に適応するが制約を明示しない。制約推論は単一エージェントの環境制約やタスク固有の制約が中心で、マルチエージェントの低レベル物理制約を新しいタスクへ転移する研究はなかった。

2D rod carrying、fixed-base dual-UR5 carrying、mobile dual-UR5 carryingの3設定からなるベンチマークを構築した。拘束エージェントとデモンストレータの両方の観測行動に対し、候補制約ごとに有界合理性モデル（正則化共有目的とKLダイバージェンス）で予測した同時行動分布の尤度をスコア化する。高次元設定ではオフライン学習したモデルで尤度を近似する。推論した制約をMPCとCEMの制約として組み込み、新しい障害物タスクでの計画に使用する。

制約推論精度（正規化ハミング距離、平均±標準誤差、3シード）は、8デモで2D rod carryingが0.002、fixed-base dual-UR5 carryingが0.019、mobile dual-UR5 carryingが0.009となり、CE-CM-Divの0.302、0.074、0.250を大きく上回った。両エージェント行動を使うことで、パートナーのみの場合より誤差が約半分になった。障害物あり新規タスクの成功率は2D rod carryingが92.6%、fixed-base dual-UR5 carryingが85.2%、mobile dual-UR5 carryingが63.0%で、真の制約を与えたOracle CEMの96.3%、88.9%、70.4%に接近した。CE-CM-Div+CEMは55.6%、44.4%、37.0%、Capacity-blind CEMは51.9%、0.0%、25.9%、Behavioral cloningはすべて0.0%だった。障害物なしの制御タスクでは、提案手法は全設定でOracle CEMと同様に100%の成功率を達成した。

著者は、行動モデル、目標、ダイナミクス、完全観測、有限の制約候補集合を既知と仮定した。直接比較可能なベースラインが限られており、評価はシミュレーションの3設定で、最終評価は各設定3つの固定物理制約ケースで行われた。実機検証や未知の行動モデルへの一般化は報告されていない。ベンチマークコードと評価スクリプトは公開予定とされているが、論文執筆時点では利用可能性が明記されていない。