誘導探索付き合成拡散による長期的計画

- 長期的なタスク分布を局所的でモジュール的な生成モデルの合成で扱う compositional generative model の枠組み。 - 局所分布が multimodal なとき既存の合成法は不整合なモードを平均化し、局所的に実行不能・大域的に非整合な計画を生む問題(mode averaging)がある。 - 提案手法 CDGS (Compositional Diffusion with Guided Search) は diffusion の denoising 過程に探索を埋め込み、この問題を解決する。 - 対象は multi-step manipulation planning、panoramic image synthesis、long video generation など。

- 従来の compositional generative model は局所分布の multimodal 性に対処できず、モードを平均化して実行不能・非整合な計画を出力しがち。 - CDGS は探索を diffusion denoising に直接組み込み、局所モードの多様な組合せを探索する点が新しい。 - 7つの robot manipulation タスクで oracle 性能に匹敵し、compositionality を欠く baseline や長期的訓練データを要する baseline を上回る。 - ドメイン横断的に汎化し、text-guided panoramic images や long videos も可能にする。

- diffusion denoising 過程に search を埋め込む。 - population-based sampling により局所モードの多様な組合せを探索。 - likelihood-based filtering で実行不能な候補を枝刈り。 - 重複する segment 間の iterative resampling で大域的一貫性を強制。 - local-to-global message passing によりドメイン横断的に適用可能。

- 7つの robot manipulation タスクで評価し、oracle 性能に一致。 - compositionality を欠く baseline および長期的訓練データを必要とする baseline を上回る。 - text-guided panoramic images と long videos でも有効性を示し、ドメイン横断的汎化を検証。 - 詳細は https://cdgsearch.github.io/ に記載。

- 要旨からは不明。 - ただし mode averaging 問題への対処、探索コスト、population-based sampling の計算量、baseline との公平性などが議論点になり得るが、要旨には明示されていない。

- 要旨で参照/比較されている研究: compositional generative models、multi-step manipulation planning、panoramic image synthesis、long video generation に関する既存手法。 - 関連手法: diffusion models、compositional diffusion、guided search、population-based sampling、likelihood-based filtering。 - 同分野の定番: Diffusion Policy、Diffuser、Compositional Planning などが候補。 - 詳細は https://cdgsearch.github.io/ を参照。