ロボットが人間をアシストする際、ユーザーの個人的な好みに適応できる能力が重要になります。例えば、ユーザーは洗濯物を折りたたむときや家具を掃除する際に、ロボットアームが加える力の大きさを調整してほしいと考えるかもしれません。自然言語はこのような好みをユーザーが直感的にロボットに伝える手段を提供します。言語条件付きロボットポリシーの最近の進展により、ロボットが言語プロンプトを使用してタスクを遂行できることが示されていますが、タスクの実行方法を制御するまで拡張するには、軌跡内の好みやスタイルを詳細に説明するラベルが必要になります。 このような注釈の収集は困難であり、また直接これらのラベルで条件付けすると、連続的な動作範囲に対する細かな制御が提供できない可能性があります。例えば、「以前より少し強い圧力を加える」のような抽象的な指示を通じて、ロボットが加えるべき正確な力を伝えることは難しいのです。本論文では、言語を使用して動作の生成ではなく、推論することを提案しています。 まず、ユーザーの好みを対応する軌跡の違いに応じて整理する構造化された潜在表現を学習します。その後、好みプロンプトが与えられたとき、基盤モデルを使用してこの潜在空間を解釈し、望ましい動作を生成する値を選択します。シミュレーションと実世界の実験を通じて、直感的に構造化された潜在空間からロボットの動作を選択することで、言語条件付きポリシーよりも大幅に少ない好みラベルで、ユーザー好みへのより正確な適応が可能になることを示しています。