日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2602.07322

Action-to-Actionフローマッチング:固有感覚履歴を起点とした高速ロボット方策

Action-to-Action Flow Matching

シェア:XThreadsFacebookLINEはてブBluesky

ランダムノイズではなく過去の固有感覚行動を起点にフローマッチングで行動生成する方策を提案し、1ステップ推論と高い汎化性能を実現した。

詳しい要約

1. どんなもの?

- 拡散ベースのポリシーはロボティクスで成功しているが、ランダムガウスノイズからのサンプリングは反復的なデノイジングが必要で推論遅延が大きい。 - 本論文はAction-to-Action flow matching (A2A)を提案。 - ランダムサンプリングから、前の固有受容行動に基づく初期化へと移行する新しいポリシーパラダイム。 - 固有受容行動フィードバックを静的条件として扱う既存手法と異なり、履歴固有受容シーケンスを高次元潜在空間に埋め込み、行動生成の開始点とする。 - これにより高コストな反復デノイジングを回避し、ロボットの物理ダイナミクスと時間的連続性を効果的に捉える。

2. 先行研究と比べてどこがすごい?

- 既存の拡散ベースポリシーはランダムガウスノイズからサンプリングし、複数の反復ステップを必要とするため推論遅延が大きい。 - A2Aは前の固有受容行動を初期化に用いることで、反復デノイジングを不要にし、単一推論ステップで高品質な行動生成を可能にする。 - 固有受容行動フィードバックを静的条件として扱う既存手法と異なり、履歴固有受容シーケンスを活用する。 - 訓練効率、推論速度、汎化性能が向上し、視覚的摂動に対する堅牢性や未見設定への汎化も優れる。

3. 技術・手法の肝は?

- 行動予測を条件付きデノイジングプロセスとして定式化する拡散ベースポリシーの枠組みを踏襲。 - ランダムガウスノイズの代わりに、前の固有受容行動に基づく初期化を採用。 - 履歴固有受容シーケンスを高次元潜在空間に埋め込み、行動生成の開始点とする。 - これにより反復デノイジングを回避し、物理ダイナミクスと時間的連続性を捉える。 - 単一推論ステップでの高品質行動生成を実現。

4. どうやって有効だと検証した?

- 広範な実験により、A2Aが高い訓練効率、高速推論、改善された汎化を示すことを検証。 - 単一推論ステップで高品質な行動生成が可能であることを確認。 - 視覚的摂動に対する優れた堅牢性と、未見設定への強化された汎化を示す。 - さらにA2Aをビデオ生成に拡張し、時間モデリングにおける汎用性を実証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究や関連手法は明示されていない。 - 同分野の定番として、Diffusion Policy、Flow Matching、Action Chunking with Transformers (ACT) などが挙げられる。

※ 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: Jindou Jia, Gen Li, Xiangyu Chen, Tuo An, Yuxuan Hu, Jingliang Li, Xinying Guo, Jianfei Yang

分類: cs.RO, cs.AI

原文アブストラクト

Diffusion-based policies have recently achieved remarkable success in robotics by formulating action prediction as a conditional denoising process. However, the standard practice of sampling from random Gaussian noise often requires multiple iterative steps to produce clean actions, leading to high inference latency that incurs a major bottleneck for real-time control. In this paper, we challenge the necessity of uninformed noise sampling and propose Action-to-Action flow matching (A2A), a novel policy paradigm that shifts from random sampling to initialization informed by the previous proprioceptive action. Unlike existing methods that treat proprioceptive action feedback as static conditions, A2A leverages historical proprioceptive sequences, embedding them into a high-dimensional latent space as the starting point for action generation. This design bypasses costly iterative denoising while effectively capturing the robot's physical dynamics and temporal continuity. Extensive experiments demonstrate that A2A exhibits high training efficiency, fast inference speed, and improved generalization. Notably, A2A enables high-quality action generation in as few as a single inference step, and exhibits superior robustness to visual perturbations and enhanced generalization to unseen configurations. Lastly, we also extend A2A to video generation, demonstrating its broader versatility in temporal modeling. Project site: https://lorenzo-0-0.github.io/A2A_Flow_Matching.

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