DynaGuide: 動的ガイダンスによる拡散ポリシーの能動的制御

- 拡散ポリシー（diffusion policy）を推論時に外部の dynamics model の guidance で操舵する手法 DynaGuide の提案。 - 目的は、複雑なポリシーを実世界の状況ニーズに合わせて steer できるようにすること。 - 学習時に test-time の目的分布を想定せずとも、事前学習済み diffusion policy をそのまま使える点を狙う。 - シミュレーションと実機で有効性を示す。

- 一般的な steering 手法である goal-conditioning は、test-time の目的分布を想定してポリシーを学習する必要がある。 - DynaGuide は dynamics model を base policy から分離するため、複数目的への操舵が可能。 - 過小表現な base policy の振る舞いを強化でき、低品質な目的に対しても robustness を維持。 - off-the-shelf の事前学習済み diffusion policy に適用可能。 - 低品質目的での操舵時、goal-conditioning を 5.4x 上回る。

- diffusion denoising 過程において、外部 dynamics model からの guidance を利用してポリシーを操舵。 - dynamics model を base policy から分離して扱う設計が肝。 - 分離された guidance signal により、複数目的への操舵や未学習領域の補強が可能になる。 - 既製の pretrained diffusion policy に後付けで適用できる。

- 一連の simulated および real 実験で他の steering 手法と比較。 - 複数の articulated CALVIN tasks で平均 steering success 70% を達成。 - 低品質目的での操舵時、goal-conditioning を 5.4x 上回る性能を示す。 - 実機の off-the-shelf ポリシーを操舵し、特定物体への選好や新規行動の創発に成功。

- 要旨からは不明（具体的な限界や失敗事例、議論の詳細は記述されていない）。 - 外部 dynamics model の品質や適用範囲への依存については要旨では言及なし。

- goal-conditioning ベースの steering 手法（比較対象）。 - diffusion policy の代表的先行研究（拡散ポリシー）。 - CALVIN benchmark 関連の研究。 - 外部 dynamics model を用いた guidance 手法（classifier guidance 系）。