NaP-Control: 拡散事前分布を操る高速・多用途キャラクタ制御

- 物理ベースのキャラクタ制御において、タスクに依存しない diffusion policy の prior を活用し、高速かつ汎用性の高い全身制御を実現する手法 NaP-Control（NaP）を提案。 - 強化学習により diffusion policy の latent noise を操作し、タスク固有の行動へと誘導する。 - 従来の gradient-based test-time guidance を排除し、推論を効率化。 - 多様なタスクで高い成功率と自然な動きを維持しつつ、高速推論を実現。

- 従来の diffusion-based policy は、タスク目的を満たすために test-time での勾配ベース guidance に依存し、推論が遅くロバスト性が低下する問題があった。 - NaP は強化学習を用いて latent noise を直接予測・最適化するため、反復的な guidance が不要で高速推論が可能。 - オフライン学習のみの手法と異なり、訓練中に環境と相互作用して運動を修正し、タスク報酬を最適化するため、成功率が向上し困難なシナリオへの適応が可能。 - 運動の自然さを保ちながら、より高い成功率と高速推論を両立。

- タスクに依存しない diffusion policy を prior として利用。 - 強化学習エージェントが diffusion policy の latent noise を操作し、タスク固有の行動を生成。 - 訓練中に環境と相互作用し、運動の修正とタスク報酬の最適化を同時に行う。 - タスク最適化された diffusion noise を直接予測することで、denoising 時の反復的 guidance を排除。 - これにより効率的な推論と高い運動忠実度を実現。

- 多様なタスクにおいて実験を実施。 - NaP が従来手法と比較して高い成功率と高速推論を達成し、自然な動きを維持することを示した。 - 具体的なタスクや評価指標、ベースラインの詳細は要旨からは不明。

- 要旨からは、手法の限界や議論の詳細は不明。 - 強化学習と diffusion prior の組み合わせによる訓練の安定性や計算コスト、汎化性能についての議論は明示されていない。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、diffusion policy を用いた character control、test-time guidance を用いる手法、オフライン強化学習による制御などが挙げられる。 - 具体的な論文名は要旨からは不明。