日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

模倣学習/行動生成arXiv:2606.01098

暗黙的ドリフト方策:条件付き専門家幾何による一段階行動生成

Implicit Drifting Policy: One-Step Action Generation via Conditional Expert Geometry

シェア:XThreadsFacebookLINEはてブBluesky

拡散やフローマッチングに基づく生成行動ポリシーは反復サンプリングが遅いため、一段階生成を提案。訓練時のドリフト補正を明示的なベクトル場推定なしで取り込む暗黙的ドリフト方策(IDP)を導入し、2D・3D・実世界操作タスクで有効性を実証した。

詳しい要約

1. どんなもの?

本論文は、拡散モデルやflow matchingに基づく生成的行動ポリシーの反復サンプリングが高周波ロボット制御で問題となる点を解決する、Implicit Drifting Policy (IDP) を提案する。IDPは、訓練時のDriftingによる補正を、明示的なベクトル場推定なしにポリシー学習に取り入れる一回ステップ模倣学習フレームワークである。観察が類似する専門家行動の局所変動から条件付き専門家幾何を抽出し、大域参照幾何と比較して条件固有の制約を分離する。この局所幾何構造がスカラー潜在目的関数を適応的に重み付けし、専門家近接終端評価と組み合わせて、訓練中に一回ステップ生成器へ多様体制約を直接課す。

2. 先行研究と比べてどこがすごい?

従来の拡散・flow matchingポリシーは反復サンプリングのため高周波制御に不向きであり、最近の一回ステップ定式化は遅延を緩和するが、行動補正に重要な中間軌道進化を捨ててしまう。訓練時のdrifting fieldを明示的に推定して補正機構を回復するのは、条件付きデモンストレーションの極端な疎性のため数学的に不適切である。IDPは明示的なベクトル場推定なしに訓練時補正を実現し、明示的drifting手法を改善しつつ、強力な一回ステップベースラインと競合する性能を示す。

3. 技術・手法の肝は?

IDPの肝は、観察が類似する専門家行動の局所変動から条件付き専門家幾何を抽出し、大域参照幾何と比較して条件固有制約を分離する点にある。この局所幾何構造がスカラー潜在目的関数を適応的に重み付けする。さらに専門家近接終端評価を組み合わせ、訓練中に一回ステップ生成器へ多様体制約を直接課す。これにより、明示的なdrifting field推定を避けつつ、訓練時補正をポリシー学習に取り込む。

4. どうやって有効だと検証した?

2D、3D、実世界マニピュレーションタスクにわたる広範な評価を実施し、IDPが有効な行動多様体への準拠を効果的に維持することを示した。明示的drifting手法を改善し、強力な一回ステップベースラインと競合する性能を達成した。

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として、diffusion policies、flow matching、one-step formulations、Drifting、explicit drifting methods、strong one-step baselinesが挙げられる。関連手法としてbehavior cloningも言及されている。

※ 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: Zemin Yang, Yaoyu He, Yiming Zhong, Yuhao Zhang, Xinge Zhu, Yao Mu, Qingqiu Huang, Yuexin Ma

分類: cs.RO, cs.AI

原文アブストラクト

Generative action policies based on diffusion or flow matching excel in behavior cloning, yet their iterative sampling is prohibitive for high-frequency robot control. While recent one-step formulations alleviate this latency, they inevitably discard the intermediate trajectory evolution that provides crucial action correction. Directly recovering this mechanism by explicitly estimating a training-time drifting field is mathematically ill-posed due to extreme conditional demonstration sparsity. We introduce Implicit Drifting Policy (IDP), a one-step imitation learning framework that brings the training-time correction of Drifting into policy learning without explicit vector field estimation. IDP extracts a conditional expert geometry from the local variation of observation-similar expert actions, and compares it against a global reference geometry to isolate condition-specific constraints. This local geometric structure adaptively weights a scalar potential objective. Combined with an expert-proximal terminal evaluation, IDP directly enforces manifold constraints on the one-step generator during training. Extensive evaluations across 2D, 3D, and real-world manipulation tasks show IDP effectively maintains adherence to valid action manifolds, improving upon explicit drifting methods and achieving competitive performance with strong one-step baselines.

  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