注釈不要のワンショット模倣学習による多段階操作タスクの実現

近年のワンショット模倣学習の進展により、ロボットは人間の単一デモンストレーションから新しい操作スキルを習得可能となった。既存の手法は単一段階のタスクで高い性能を示すが、追加のモデル学習や手動注釈なしで長期的な多段階タスクを処理する能力には限界がある。我々は、追加のモデル学習や手動注釈なしで単一のデモンストレーションを用いることで適用可能な手法を提案する。我々の手法は、多段階および単段階の操作タスクで評価され、それぞれ平均成功率82.5％および90％を達成した。本手法は両者においてベースラインの性能に匹敵し、それを上回る結果を示す。また、我々の枠組み内で異なる事前学習済み特徴抽出器の性能と計算効率の比較も行った。