日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

拡散ポリシーarXiv:2606.18186

ロバスト拡散ポリシーのためのコルモゴロフ回帰

Kolmogorov Regression for Robust Diffusion Policies

シェア:XThreadsFacebookLINEはてブBluesky

拡散ポリシーの時間的ドリフトを、後向きコルモゴロフ方程式を用いてカメロン=マーチン空間上の決定論的境界値問題に置き換えることで改善し、軌道の規則性向上と決定的な故障検出を実現した。

詳しい要約

1. どんなもの?

- 有限次元拡散ポリシーの離散化誤差による時間的ドリフトを解決するため、後方 Kolmogorov 方程式を用いて拡散ポリシーを Cameron-Martin 空間に持ち上げる手法。 - 確率的スコアマッチングを決定論的境界値 PDE 問題に置き換える。 - ガウス測度論に基づき、拡散ノイズ共分散作用素を有色雑音分布から実現し、推論時のサンプル規則性を規定。 - 精度重み付き Cameron-Martin 損失で学習し、推論時に Kolmogorov 残差を PDE 診断として導入。 - 収束保証、軌道規則性の改善、報酬なしの決定論的故障検出を実現。

2. 先行研究と比べてどこがすごい?

- 従来の有限次元拡散ポリシーは離散化アーティファクトによる時間的ドリフトで長期的性能が劣化。 - 提案手法は確率的スコアマッチングを決定論的 PDE に置き換え、収束保証の定数が行動次元ではなくカーネルの有効ランクに依存。 - スペクトル重み付けにより軌道規則性が向上。 - 報酬信号なしで決定論的故障検出が可能。 - PushT ベンチマークで最大エピソード報酬が MSE 比 17% 改善、推論時のステップ間ドリフトが 67.6% 削減。 - 製造ラインで LSTM ベースラインより RMSE 28.4% 低減、飢餓イベント再現率 1.0、ボトルネック同定 Precision@1=1.0、SNR 13倍。

3. 技術・手法の肝は?

- 後方 Kolmogorov 方程式により拡散ポリシーを Cameron-Martin 空間(Hilbert 空間の部分集合)に持ち上げる。 - 確率的スコアマッチングを決定論的境界値 PDE 問題に置換。 - ガウス測度論に基づき、拡散ノイズ共分散作用素を有色雑音分布から実現。 - 精度重み付き Cameron-Martin 損失を導出して学習。 - 推論時に Kolmogorov 残差を PDE 診断として導入。 - Hamilton-Jacobi 到達可能性理論でディスパッチポリシーを認証。

4. どうやって有効だと検証した?

- PushT 操作ベンチマーク:Cameron-Martin 損失で最大エピソード報酬 0.95(MSE 0.78 比 17% 改善)、推論時のステップ間ドリフト 67.6% 削減。 - 6ステーション製造ライン(CONWIP フロー制御):古典的 LSTM ベースラインより RMSE 28.4% 低減、飢餓イベント再現率 1.0(テストサイクル)、ボトルネック同定 Precision@1=1.0(テストセット)、SNR 13倍。 - Hamilton-Jacobi 到達可能性理論でディスパッチポリシーを認証:100回のシミュレーションでデッドロックイベントを96%削減(351イベント防止)。

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:有限次元拡散ポリシー、MSE 損失、LSTM ベースライン、Hamilton-Jacobi 到達可能性理論。 - 関連手法:Cameron-Martin 空間、後方 Kolmogorov 方程式、ガウス測度論、有色雑音分布、スコアマッチング。

※ 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: Lekan Molu

分類: cs.LG, cs.AI

原文アブストラクト

Finite-dimensional (FD) diffusion policies exhibit temporal drift owing to discretization artifacts that degrade long-horizon performance (when deployed on physical systems). We introduce a backward Kolmogorov equation that lifts diffusion policies to a Cameron-Martin space -- a subset of the Hilbert space. Essentially, replacing stochastic score matching with a deterministic boundary-value PDE problem. Our core innovation thrives on Gaussian measure theory whereupon the diffusion noise covariance operator is realized from a colored noise distribution which prescribes a notion of regularity on samples from the model at inference time. We train the diffusion model with a derived precision-weighted Cameron- Martin loss and a Kolmogorov residual is introduced as a PDE diagnostic during inference. These substitutions yield (i) convergence guarantees where the bound's constants depend on the effective rank of the kernel rather than action dimension, (ii) improved trajectory regularity via spectral weighting, and (iii) a deterministic failure detector without reward signals. Validation across two application domains demonstrates substantial improvements: on the PushT manipulation benchmark, the Cameron-Martin loss achieves a 17% improvement in maximum episode reward (0.95 vs. 0.78 for MSE) and 67.6% reduction in inter-step drifts during inference via the introduced residual magnitude. Similarly, on a 6-station manufacturing line with constant work-in-process (CONWIP) flow control, we achieve 28.4% lower RMSE than classical LSTM baselines; a high starvation-event recall (1.0 in test cycles), and effective bottleneck identification (Precision@1 = 1.0 in test set, 13x signal-to-noise ratio). We then certify the dispatch policies with Hamilton-Jacobi reachability theory which reduces deadlock events by 96% compared to uncontrolled dispatch over 100 simulated runs (351 events prevented).

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI