Efficient Test-Time Adaptation For Robot Policies
説明ロボット方策向けの効率的なテスト時適応手法（TEMPO）
要約本論文は、強化学習で学習したロボット歩行方策が、凹凸や滑りやすい地形、積載物の変化、センサー劣化などの環境変化で性能を落とす問題を扱い、報酬なしで実行中に自己教師ありで方策をオンライン適応させるテスト時適応（TTA）を研究している。提案手法TEMPOは、エントロピー正則化と、優先度付きリプレイに着想を得た記憶機構を組み合わせ、大きな変化下でも更新を安定させる。MuJoCo PlaygroundのGo1、Go2、G1および実機のUnitree Go2での実験では一貫した改善が示され、単一デバイス設定で最大約80%の向上が報告されている。