日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロボット制御/生成モデルarXiv:2605.13959

WarmPrior: 時間的先験情報によるフローマッチングポリシーの直線化

WarmPrior: Straightening Flow-Matching Policies with Temporal Priors

シェア:XThreadsFacebookLINEはてブBluesky

ロボット操作タスクにおいて、ガウス分布の代わりに最近の行動履歴から構築した時間的先験分布を生成ポリシーのソース分布として用いることで、成功率が向上することを示した論文。

詳しい要約

1. どんなもの?

- 拡散・flow matching ベースの生成ポリシー(visuomotor ロボット制御) - 標準の Gaussian 源分布を、直近の行動履歴から作る時間的 prior「WarmPrior」に置換 - 操作タスクの成功率を一貫して改善 - 確率経路がより straight になることが利得の原因 - prior-space RL の探索分布も改善し、サンプル効率と最終性能が向上 - 源分布は生成ロボット制御の重要かつ未探索の設計軸と位置づけ

2. 先行研究と比べてどこがすごい?

- 従来の生成ポリシーは標準 Gaussian 源分布を前提 - WarmPrior は直近の行動履歴という利用可能な情報で prior を構成 - 成功率が一貫して向上 - 確率経路が顕著に straight 化し、Rectified Flow の optimal-transport coupling の効果に類似 - 標準 behavior cloning に加え prior-space RL でも探索分布を改善 - 源分布という設計軸の重要性を示した点が新規

3. 技術・手法の肝は?

- 標準 Gaussian 源分布を WarmPrior に置換 - WarmPrior は直近の行動履歴から構築する時間的 prior - 生成ポリシー(diffusion / flow matching)に適用 - 確率経路を straight 化 - behavior cloning と prior-space RL の両方に適用可能 - 詳細な構成法は要旨からは不明

4. どうやって有効だと検証した?

- ロボット操作タスクで成功率を評価 - 標準 behavior cloning で一貫した改善を確認 - prior-space RL でサンプル効率と最終性能の改善を確認 - 確率経路の straight 化を指標として利得の原因を追跡 - 具体的なタスク・ベンチマーク・比較手法は要旨からは不明

5. 議論はある?

- 源分布が生成ロボット制御の重要かつ未探索の設計軸であると主張 - 利得は straight な確率経路に起因し、optimal-transport coupling と類似 - prior-space RL の探索分布改善にも寄与 - 限界・失敗ケース・計算コスト・一般化性の議論は要旨からは不明

6. 次に読むべき論文は?

- Rectified Flow(optimal-transport coupling の関連手法) - diffusion policy - flow matching policy - behavior cloning - prior-space reinforcement learning

※ 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: Sinjae Kang, Chanyoung Kim, Kaixin Wang, Li Zhao, Kimin Lee

分類: cs.LG, cs.AI, cs.RO

原文アブストラクト

Generative policies based on diffusion and flow matching have become a dominant paradigm for visuomotor robotic control. We show that replacing the standard Gaussian source distribution with WarmPrior, a simple temporally grounded prior constructed from readily available recent action history, consistently improves success rates on robotic manipulation tasks. We trace this gain to markedly straighter probability paths, echoing the effect of optimal-transport couplings in Rectified Flow. Beyond standard behavior cloning, WarmPrior also reshapes the exploration distribution in prior-space reinforcement learning, improving both sample efficiency and final performance. Collectively, these results identify the source distribution as an important and underexplored design axis in generative robot control.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3GXO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
  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