この記事では、ロボティックマニピュレーションシステムの学習を向上させるための新たなフレームワーク「Eq.Bot」が提案されています。既存のマルチモーダル学習フレームワークは、空間変換（回転や平行移動）の取り扱いにおいて幾何学的一貫性を保証するものではなく、実装の複雑さや計算コスト、ポータビリティに課題を抱えています。「Eq.Bot」は、SE(2)群の等変換理論に基づいており、観測結果を標準空間に変換し、その後既存のポリシーを適用、元の空間へ戻す手法を提供します。このモデル・アグノスティックな解決策により、アーキテクチャの変更なしに空間的等変換をモデルに付与できます。実験では、CNNベースおよびトランスフォーマーベースのアーキテクチャにおいて、従来の手法と比べて最大50%の改善が確認され、優れた性能が示されています。