日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2510.26670

ハイブリッド整合性ポリシー:ロボットマニピュレーションにおけるマルチモーダル多様性とリアルタイム効率の分離

Hybrid Consistency Policy: Decoupling Multi-Modal Diversity and Real-Time Efficiency in Robotic Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

拡散ベース模倣学習の多様性を保ちつつ、短い確率的プレフィックスと1ステップ整合性ジャンプで高速推論を実現するハイブリッド整合性ポリシーを提案。

詳しい要約

1. どんなもの?

- 視覚運動政策学習(visuomotor policy learning)における新たな模倣学習手法「Hybrid Consistency Policy(HCP)」の提案。 - diffusion-based imitation learning の多様な行動獲得能力を活かしつつ、高速サンプリングと強い multi-modality の両立を狙う。 - 短い stochastic prefix と adaptive switch time の後に one-step consistency jump で最終行動を生成する構成。 - シミュレーションと実ロボットの両方で評価されたロボットマニピュレーション向け政策。

2. 先行研究と比べてどこがすごい?

- 従来の ordinary/stochastic denoising に基づく diffusion 手法は、高速サンプリングと強い multi-modality の同時達成が困難であった。 - HCP は 25 SDE steps + 1 jump で、80-step DDPM teacher の精度と mode coverage に近づきつつ latency を大幅削減。 - multi-modality に低速推論を必要としないことを示し、switch time で mode retention と速度を分離できる点が新しい。 - 精度と効率の実用的な trade-off を実現。

3. 技術・手法の肝は?

- 短い stochastic prefix を実行し、adaptive switch time までサンプリングした後、one-step consistency jump で最終行動を出力。 - この one-jump 生成を整合させるため、time-varying consistency distillation を実施。 - 目的関数は trajectory-consistency objective(隣接予測の一貫性維持)と denoising-matching objective(局所的な fidelity 向上)の組み合わせ。 - switch time が mode retention と推論速度を切り離す設計上の鍵。

4. どうやって有効だと検証した?

- シミュレーションと実ロボットの両方で評価を実施。 - HCP(25 SDE steps + 1 jump)を 80-step DDPM teacher と比較し、精度と mode coverage が近づくことを確認。 - 同時に latency の大幅な削減を確認。 - 詳細なベンチマーク名や評価指標は要旨からは不明。

5. 議論はある?

- multi-modality が低速推論を必ずしも必要としないことを示唆。 - switch time により mode retention と速度を分離できるという設計上の主張。 - 精度と効率の実用的 trade-off を提供すると結論。 - 限界や失敗事例、一般化性に関する議論は要旨からは不明。

6. 次に読むべき論文は?

- 比較対象として言及された DDPM(80-step DDPM teacher)。 - 関連手法として diffusion-based imitation learning、consistency distillation、consistency policy 系の研究。 - 具体的な論文名は要旨からは不明のため、同分野の定番として diffusion policy や consistency models 関連の文献を参照すべき。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Qianyou Zhao, Yuliang Shen, Xuanran Zhai, Ce Hao, Duidi Wu, Jin Qi, Jie Hu, Qiaojun Yu

分類: cs.RO

原文アブストラクト

In visuomotor policy learning, diffusion-based imitation learning has become widely adopted for its ability to capture diverse behaviors. However, approaches built on ordinary and stochastic denoising processes struggle to jointly achieve fast sampling and strong multi-modality. To address these challenges, we propose the Hybrid Consistency Policy (HCP). HCP runs a short stochastic prefix up to an adaptive switch time, and then applies a one-step consistency jump to produce the final action. To align this one-jump generation, HCP performs time-varying consistency distillation that combines a trajectory-consistency objective to keep neighboring predictions coherent and a denoising-matching objective to improve local fidelity. In both simulation and on a real robot, HCP with 25 SDE steps plus one jump approaches the 80-step DDPM teacher in accuracy and mode coverage while significantly reducing latency. These results show that multi-modality does not require slow inference, and a switch time decouples mode retention from speed. It yields a practical accuracy efficiency trade-off for robot policies.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI