日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2604.05673

数ステップの視覚ナビゲーションのための修正シュレーディンガーブリッジマッチング

Rectified Schr\"odinger Bridge Matching for Few-Step Visual Navigation

シェア:XThreadsFacebookLINEはてブBluesky

拡散モデルやシュレーディンガーブリッジに基づく生成ポリシーは多峰的な行動分布を捉えられるが、多数の積分ステップが必要でリアルタイム制御に不向きだった。本研究では、エントロピー正則化パラメータを調整し、速度場の構造不変性と分散低減を利用して、少ないステップで高精度な視覚ナビゲーションを実現するRSBMを提案した。

詳しい要約

1. どんなもの?

- 本論文は、Embodied AIにおけるVisual Navigationのための新しい生成ポリシー「Rectified Schrödinger Bridge Matching (RSBM)」を提案する。 - 高次元の感覚観測から連続的で長期的な行動軌跡を生成する際、既存のDiffusionモデルやSchrödinger Bridge (SB) は多峰性行動分布を捉えられるが、多数の積分ステップを要しリアルタイム制御に不向きという問題があった。 - RSBMは、標準的なSB(ε=1、最大エントロピー輸送)と決定論的最適輸送(ε→0、Conditional Flow Matching)の間の共有速度場構造を利用し、単一のエントロピー正則化パラメータεで制御する。 - 学習された条件付き事前分布に基づき、輸送距離を短縮しつつ、多峰性カバレッジと経路の直線性のバランスを取る中間のεで動作する。 - 実験では、標準的なブリッジが10ステップ以上必要なのに対し、RSBMは蒸留や多段階学習なしでわずか3積分ステップで94%以上のコサイン類似度と92%の成功率を達成した。

2. 先行研究と比べてどこがすごい?

- 従来のDiffusionモデルやSchrödinger Bridge (SB) は、多峰性行動分布を捉えるために数十の積分ステップを必要とし、リアルタイムロボット制御の障壁となっていた。 - RSBMは、蒸留や多段階学習を必要とせず、わずか3ステップで高品質な行動生成を実現し、計算コストを大幅に削減する。 - 標準的なSBと決定論的Optimal Transportの間の速度場構造の不変性を証明し、単一ネットワークで全ての正則化強度に対応可能とした点が新しい。 - 従来手法と比較して、少ないステップで高い成功率と類似度を達成し、Embodied AIの低遅延要求に応える。

3. 技術・手法の肝は?

- 標準的なSchrödinger Bridge (ε=1) と決定論的Optimal Transport (ε→0) の間の共有速度場構造を利用し、単一のエントロピー正則化パラメータεで制御する。 - 条件付き速度場の関数形がεスペクトル全体で不変であること(Velocity Structure Invariance)を証明し、単一ネットワークが全ての正則化強度に対応可能。 - εを線形に減少させると条件付き速度分散が減少し、より安定した粗いステップのODE積分が可能になる。 - 学習された条件付き事前分布にアンカーし、輸送距離を短縮。中間のεで多峰性カバレッジと経路の直線性をバランスさせる。

4. どうやって有効だと検証した?

- 標準的なブリッジが10ステップ以上必要なのに対し、RSBMは3積分ステップで94%以上のコサイン類似度と92%の成功率を達成した。 - 蒸留や多段階学習なしでこの性能を実現した。 - 具体的なデータセットや実験設定は要旨からは不明。

5. 議論はある?

- 要旨からは、RSBMの限界や議論の詳細は不明。 - ただし、中間のεが多峰性カバレッジと経路の直線性のバランスを取るという設計上のトレードオフが示唆されている。 - また、Velocity Structure Invarianceの証明により、単一ネットワークで全ての正則化強度に対応可能である点が強調されている。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:Diffusion models、Schrödinger Bridges (SB)、Conditional Flow Matching、Optimal Transport。 - 関連手法:Rectified Flow、Flow Matching、Stochastic Interpolants。 - 同分野の定番:Visual Navigation、Embodied AI、Generative Policies。

※ 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: Wuyang Luan, Junhui Li, Weiguang Zhao, Wenjian Zhang, Tieru Wu, Rui Ma

分類: cs.RO, cs.AI

原文アブストラクト

Visual navigation is a core challenge in Embodied AI, requiring autonomous agents to translate high-dimensional sensory observations into continuous, long-horizon action trajectories. While generative policies based on diffusion models and Schr\"odinger Bridges (SB) effectively capture multimodal action distributions, they require dozens of integration steps due to high-variance stochastic transport, posing a critical barrier for real-time robotic control. We propose Rectified Schr\"odinger Bridge Matching (RSBM), a framework that exploits a shared velocity-field structure between standard Schr\"odinger Bridges ($\varepsilon=1$, maximum-entropy transport) and deterministic Optimal Transport ($\varepsilon\to 0$, as in Conditional Flow Matching), controlled by a single entropic regularization parameter $\varepsilon$. We prove two key results: (1) the conditional velocity field's functional form is invariant across the entire $\varepsilon$-spectrum (Velocity Structure Invariance), enabling a single network to serve all regularization strengths; and (2) reducing $\varepsilon$ linearly decreases the conditional velocity variance, enabling more stable coarse-step ODE integration. Anchored to a learned conditional prior that shortens transport distance, RSBM operates at an intermediate $\varepsilon$ that balances multimodal coverage and path straightness. Empirically, while standard bridges require $\geq 10$ steps to converge, RSBM achieves over 94% cosine similarity and 92% success rate in merely 3 integration steps -- without distillation or multi-stage training -- substantially narrowing the gap between high-fidelity generative policies and the low-latency demands of Embodied AI.

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