最適化としての生成的制御：適応的で堅牢なロボット制御のための時間無条件フローマッチング

GeCO（Generative Control as Optimization）は、ロボット模倣学習における拡散モデルやflow matchingの推論を、軌道積分から反復最適化へと変換するtime-unconditionalなフレームワーク。 - 行動系列空間にstationary velocity fieldを学習し、専門家行動を安定なattractorとして形成する。 - 推論時は収束に応じて計算量を適応的に配分し、単純な状態では早期終了、難しい状態では長く精緻化する。 - 最適化された行動でのfield normをOOD検出器として使う、訓練不要の安全信号も得られる。 - 標準シミュレーションベンチマークとpi0-series VLAモデルへのスケーリングで検証。

従来のdiffusion modelsやflow matchingは、状態の複雑さに依存しない固定の積分スケジュールで推論するため、単純な動作にも複雑なタスクと同じ計算予算を費やす構造的非効率があった。 - GeCOはtime-unconditionalな定常速度場を学習し、推論を反復最適化に変えることで、計算を収束ベースで適応配分できる。 - さらに、訓練不要の内在的安全信号（field normによるOOD検出）を同時に提供する点が新しい。 - 標準flow-matching headのplug-and-play代替として、成功率と効率を改善する。

GeCOの肝は、行動系列空間にstationary velocity fieldを学習し、専門家行動を安定なattractorとして埋め込む点。 - 推論を軌道積分ではなく反復最適化として定式化し、収束に応じて計算を適応的に配分する。 - 最適化された行動におけるfield normが、in-distributionでは低く、異常時には顕著に増大する性質を利用し、訓練不要のOOD検出器として使う。 - 標準flow-matching headを置き換えるplug-and-play設計。

標準的なシミュレーションベンチマークでGeCOを検証し、pi0-series Vision-Language-Action（VLA）モデルへのシームレスなスケーリングも実証した。 - 標準flow-matching headのplug-and-play代替として、成功率と効率の改善を示した。 - 詳細なベースラインや指標は要旨からは不明。

要旨からは不明。 - 想定される議論点としては、適応計算配分の収束判定基準、OOD検出の閾値設定、VLAモデルへの適用時の計算コストなどが考えられるが、本文に明示されていない。

要旨で参照・比較されている研究として、diffusion models、flow matching、pi0-series Vision-Language-Action（VLA）モデルが挙げられる。 - 関連手法として、robotic imitation learningにおけるdiffusion policyやflow matching policyが同分野の定番として読むべき。 - 具体的な論文名は要旨からは不明。