BEACON（Best-Effort Adaptation for Cross-Domain Co-Training）は、ロボット学習におけるソースドメインの豊富なデモンストレーションとターゲットドメインの限られたデモンストレーションを活用するための理論駆動型フレームワークです。このフレームワークは、クロスドメイン共学習を不一致を考慮した重要度再重み付け問題として定式化します。具体的には、拡散モデルに基づく視覚運動ポリシーと、各ソースサンプルの重要度を表す重みを同時に学習し、ターゲットドメインの汎化性能を保証する目的関数を最小化します。これにより、明示的な特徴量の整合を必要とせずに、暗黙的に特徴量の整合を実現します。
高次元のシーケンスポリシーに対してベストエフォート適応を実現するために、研究チームはスケーラブルなインスタンスレベルの不一致推定器を開発しました。この推定器は、各ソースサンプルとターゲットドメインの間の不一致度を計算します。また、ポリシーと重みのパラメータを効果的に最適化するための確率的交互更新法を導入しました。さらに、異種のソースドメインを扱うために、各ドメインからの寄与をバランスよく調整するマルチソース拡張も提案しています。
実験では、シミュレーションからシミュレーション、シミュレーションから実世界、そして複数のソースドメインを用いた操作タスクにおいて、BEACONの有効性が検証されました。ベースラインとして、ターゲットドメインのみの学習、固定比率での共学習、および特徴量整合を明示的に行う手法と比較した結果、BEACONはロバスト性とデータ効率の両面で優れた性能を示しました。特に、明示的な特徴量整合を行わずとも、不一致を考慮した共学習の結果として自然に特徴量が整合される点は大きな利点です。このフレームワークは、現実のロボット操作タスクにおけるデータ不足の問題を解決する有望なアプローチとして注目されています。