モデルベース拡散サンプリングによるオフライン意思決定の予測制御

- オフライン意思決定のための拡散モデルベースの予測制御フレームワーク「Model Predictive Diffuser (MPDiffuser)」を提案する研究。 - diffusion planner と dynamics diffusion model を組み合わせた compositional diffusion framework。 - サンプリング中に planner と dynamics の更新を交互に行い、タスク意図を保ちつつ軌道の feasibility を段階的に補正する。 - 最後に lightweight ranking module でタスク目的を最も満たす軌道を選択する。 - 実機四足ロボットへの展開も行う。

- 従来の diffusion models による offline decision-making は、生成軌道が system dynamics と整合せず制御の信頼性を損なう問題があった。 - MPDiffuser は dynamics diffusion model を planner と組み合わせ、動的に妥当でタスク整合的な軌道を生成する点が異なる。 - compositional design により、dynamics model が planner とは独立に多様かつ未見のデータを活用でき、sample efficiency と adaptability が向上する。 - 先行 diffusion-based 手法に対し D4RL（unconstrained）と DSRL（constrained）で一貫した改善を報告。

- diffusion planner と dynamics diffusion model を構成する compositional diffusion framework。 - サンプリング過程で planner 更新と dynamics 更新を交互に interleave し、feasibility を漸進的に補正しながらタスク意図を保持。 - 生成候補から lightweight ranking module がタスク目的への適合度で軌道を選択。 - dynamics model を planner から独立して学習・活用できる構成が肝。

- unconstrained ベンチマーク D4RL と constrained ベンチマーク DSRL で、prior diffusion-based methods に対する一貫した改善を実証。 - 実機四足ロボット（quadrupedal robot）への deployment を通じて実用性を検証。 - 詳細な評価指標・比較手法・実験設定は要旨からは不明。

- 要旨からは不明。 - 想定される論点として、planner と dynamics の交互更新の計算コスト、ranking module の設計依存性、実機展開時の安全性・汎化性などが考えられるが、要旨には明記されていない。

- 比較対象として言及される prior diffusion-based methods（diffusion planner 系の offline decision-making 研究）。 - ベンチマークである D4RL および DSRL に関連する offline RL / constrained RL 研究。 - compositional diffusion や classifier guidance 系の拡散モデル制御研究。 - 具体的な論文名は要旨からは不明。