PegasusFlow：ロボット拡散プランナー向け並列ローリング・デノイジングスコアサンプリング

- ロボット軌道計画のための生成モデル（diffusion model / flow matching）を、専門家デモンストレーション（imitation learning）なしで学習・運用する枠組み。 - 環境との相互作用から trajectory score gradient を直接・並列にサンプリングする hierarchical rolling-denoising framework「PegasusFlow」を提案。 - 中核は spline basis 表現を用いた新サンプリングアルゴリズム Weighted Basis Function Optimization（WBFO）。 - 非同期並列シミュレーションアーキテクチャ上に実装され、大規模並列 rollout によるデータ収集を可能にする。

- 従来の diffusion planner は expert demonstration からの imitation learning に依存し、データ希少な特殊ロボットでは非現実的で訓練パイプラインも非効率・理論的に準最適とされる。 - PegasusFlow は expert data を完全に不要にし、環境相互作用から直接サンプリングする点が大きな違い。 - サンプリング手法 WBFO は、従来法 MPPI と比較して sample efficiency と収束速度で優れると主張。 - 挑戦的な barrier-crossing タスクで 100% 成功率、次善手法より 18% 高速という結果を報告。

- hierarchical rolling-denoising framework により、軌道の score gradient を環境との相互作用から並列にサンプリング。 - Weighted Basis Function Optimization（WBFO）: spline basis 表現を活用し、サンプル効率と収束速度を高める新アルゴリズム。 - Action-Value WBFO（AVWBFO）と reinforcement learning warm-start を組み合わせる構成を検討。 - スケーラブルな非同期並列シミュレーションアーキテクチャで大量並列 rollout を実施し、効率的にデータ収集。

- trajectory optimization と robotic navigation タスクで広範な実験を実施。 - AVWBFO と reinforcement learning warm-start の組み合わせが baseline を大きく上回ると報告。 - 難易度の高い barrier-crossing タスクで 100% 成功率を達成し、次善手法より 18% 高速であることを示した。 - 複雑地形の locomotion planning に対する有効性を検証。

- 要旨からは不明（限界や失敗事例、計算コスト、実機展開上の課題などに関する議論は要旨に明示されていない）。 - 主張されている優位性はシミュレーション上の実験結果に基づくもので、実ロボットでの検証範囲は要旨からは不明。

- MPPI（Model Predictive Path Integral）: WBFO の比較対象として要旨で言及。 - diffusion model を用いた robot trajectory planning / diffusion planner の代表的研究（imitation learning ベースの先行手法）。 - flow matching に基づく軌道生成手法。 - reinforcement learning warm-start に関連する RL ベース計画手法。