ロボットが多様な環境で効果的に機能するためには、操作タスクを正確に実行するだけでなく、タスク、対象物、相互作用の設定に応じて行動の展開方法を適応させる必要があります。このような実行レベルでの変動が、複数のタスク間で再利用可能な振る舞いの要素として学習できるかどうかという疑問から、研究チームはMoMoという新しいアプローチを開発しました。 MoMoは、時空間アクション・トークナイザーと動作モード条件を入力として受け取る動作クローニング用トランスフォーマーから構成される2段階の模倣学習フレームワークです。このフレームワークは、タスクと連続的な動作モード条件を組み合わせることで、ロボットの行動を制御します。研究では6つの実ロボット操作タスクを通じて、動作モード条件を変更することで、安定した動き、ダイナミックな動き、その中間的な動きが生成されることを実証しました。人間の評価者がこれらの動きを区別でき、関節速度、加速度、エンドエフェクターのアプローチピッチなどが異なることが確認されました。 さらに注目すべきは、1つのモードでのみ実演されたタスクでも、MoMoは未知のモードへの転移を実現できるということです。タスク成功率をほぼ保持したまま、要求された未知の動作モードへの適応が可能です。これらの結果は、未知のタスク・モード組み合わせへの構成的一般化の証拠を提供し、動作モードが複数のタスク間で再利用可能であることを示しています。つまり、同一の操作スキルであっても、どのように実行するかを柔軟に制御できる可能性が示唆されたのです。