模倣学習
ロボット学習のアクション表現を選ぶ：関節・手先・速度指令の設計比較
関節、エンドエフェクタ、速度指令の仕組みと制約を比較し、模倣学習やVLAを実機へ接続する際の選定基準を整理します。
ロボット学習のアクティブラーニング：実機データ収集を不確実性とカバレッジで最適化する
不確実性、条件付き失敗リスク、カバレッジ不足、コストを組み合わせ、次に集めるロボット実機データを選ぶ設計方法を整理します。
ロボット行動方策の実行粒度：アクションチャンクと再計画周期の設計
VLAや模倣学習で、予測長Hと再計画間隔Kを分けて設計する考え方を、制御周期・遅延・タスク特性から整理します。
ロボット学習データの収集設計：実機デモの記録形式と品質検証
実機デモをepisode・step単位で記録するデータ設計と、同期・欠損・物理妥当性・成功ラベル・データリークの検証方法を整理します。
