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/計画arXiv:2606.16286

FlowMPC: ワールドモデルによるフローマッチングポリシーの改善

FlowMPC: Improving Flow Matching policies with World Models

シェア:XThreadsFacebookLINEはてブBluesky

フローマッチングによる模倣学習ポリシーに学習済みワールドモデルを組み合わせ、テスト時にMPPI計画を行うFlowMPCを提案し、操作タスクで成功率を向上させた。

詳しい要約

1. どんなもの?

- Flow Matching (FM) ポリシーを改善する手法 - 学習済み world model を用いて test-time に Model Predictive Path Integral (MPPI) 計画を行う - TD-MPC2 を基盤とし、ManiSkill の操作タスクで評価 - FM ポリシーが提案する候補行動列に対して計画を実行

2. 先行研究と比べてどこがすごい?

- FM は behavior cloning に強力だが期待リターンを直接最大化しない - 従来の FM ポリシー単体より、world model を組み合わせることで性能向上 - FM の学習目的を変更せずに test-time 計画で補完できることを示唆 - 特にエピソード終盤の成功率で明確な改善

3. 技術・手法の肝は?

- 模倣学習で得た FM ポリシーと学習済み world model を統合 - FM ポリシーが候補行動列を提案 - その候補に対し MPPI 計画を実行 - TD-MPC2 をベースに FlowMPC フレームワークを構築

4. どうやって有効だと検証した?

- ManiSkill の PickCube と PickSingleYCB タスクで検証 - world model を追加することで FM ポリシー単体より性能向上 - エピソード終盤の成功で特に顕著な改善を確認

5. 議論はある?

- world model ベースの計画が flow ベース模倣ポリシーを効果的に補完可能 - FM の学習目的を変更せずに test-time 計画で改善できる - 要旨からは不明:計算コスト、他のタスクへの汎化、失敗事例などの議論

6. 次に読むべき論文は?

- Jiang et al., 2025 (Flow Matching) - Hansen et al., 2024 (TD-MPC2) - Tao et al., 2025 (ManiSkill) - 関連手法:Model Predictive Path Integral (MPPI)

※ 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: Chandon Hamel

分類: cs.LG, cs.AI, cs.RO

原文アブストラクト

Flow Matching (FM) is a powerful approach for behavior cloning in multimodal action spaces [Jiang et al., 2025], but because it is not trained to directly maximize expected return, there is still room to improve how FM policies act at test time. This work investigates whether a learned world model can improve FM policies by enabling Model Predictive Path Integral (MPPI) planning over candidate action sequences proposed by the policy. Building on TD-MPC2 [Hansen et al., 2024], I introduce FlowMPC, a framework that combines an imitation-learned FM policy with a learned world model for test-time planning in ManiSkill manipulation tasks [Tao et al., 2025]. Across PickCube and PickSingleYCB, adding the world model improved performance over the FM policy alone, with especially clear gains in end-of-episode success. These results suggest that world-model-based planning can effectively complement flow-based imitation policies without modifying the FM training objective.

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