多視点の潜在行動で動画から異種ロボットへ学習

行動ラベルのない動画からロボットの方策を学ぶため、複数カメラの映像を使う潜在行動モデル（LAM）が提案された。従来の単一視点では奥行き方向の動きや遮蔽が曖昧になるため、クロスアテンションで視点を統合してから潜在行動に圧縮する。2視点にすると正解の6D行動の復元精度が単一視点より17%高まった。下流方策の成功率は単一視点LAMの+6.2%に対し+13.5%向上した。人の手の実演を使う実機の850回の試行では、行動のみの方策より成功率が+20%高かった。