実世界環境で動作するロボットエージェントは、マルチモーダルなデモンストレーションのストリームから継続的に適応する必要がある。しかも、過去のデータを保存したり再訪したりできないという制約の下で動作することが多い。この設定は、リプレイ不要の単一パス生涯模倣学習と呼ばれる。このような状況では、逐次的な更新によって表現空間が徐々に歪められ、エキスパートベースの手法はルーティング干渉に特に敏感になり、時間の経過とともにエキスパート選択が劣化する。
この問題に対処するため、研究チームはHIDRAという構造化ルーティングフレームワークを提案した。その中核は階層型デュアルアテンション機構であり、指示レベルでのエキスパート検索とコンテキスト依存の微調整を分離する。これにより、システムはまず言語指示に基づいて候補エキスパートを特定し、次に具体的な状況に応じて詳細な調整を行うことができ、タスク間のルーティング衝突を低減する。
さらに、表現ドリフト下でのルーティングを安定化させるため、HIDRAはキーレベルの幾何正則化を導入している。この正則化はタスク内の整合性とタスク間の分離性を同時に制約する。つまり、同じタスク内のキー表現は互いに近づき、異なるタスクのキー表現は互いに遠ざかる。この設計はエキスパート選択の識別性を維持し、新たなタスクに継続的に適応するためのエキスパート集合の拡張を可能にする。
著者らは複数のLIBEROベンチマークスイートでHIDRAを評価した。これには、タスクシーケンスが異種混合で言語指示が言い換えられた、より挑戦的な変種も含まれる。実験結果は、HIDRAがAUCと前方転送の指標でリプレイなしおよびリプレイありのベースラインを一貫して上回り、同時に低い忘却率を維持することを示している。干渉が強く言語変動が大きい条件では、性能の向上がより顕著である。
本論文はNeurIPS 2026カンファレンスに採択されており、コードはGitHubで公開されている。著者はFanqi Yu、Matteo Tiezzi、Cigdem Beyan、Tommaso Apicella、Vittorio Murinoで、研究分野はロボティクスと人工知能にわたる。