日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

拡散モデル/逐次予測/計画arXiv:2607.19919

拡散リロール:ロボット逐次予測のための再ノイズ可能な拡散モデル

Diffusion ReRoll: Revisable Denoising for Robotic Sequential Prediction

シェア:XThreadsFacebookLINEはてブBluesky

拡散モデルに基づくロボットの逐次予測フレームワークを提案し、局所的に安定した領域を選択的に再ノイズして反復的に修正することで、長期的な計画や行動予測の精度を向上させた。

詳しい要約

1. どんなもの?

Diffusion ReRollは、ロボティクスにおける逐次予測のためのdiffusionベースのフレームワークである。 - 既存のdiffusionベースの逐次予測器は単一の単調なdenoisingプロセスを行う。 - それに対し、Diffusion ReRollは局所的に安定した領域を選択的に再noiseし、残りの領域はdenoisingを続ける。 - 再noiseされた領域は、horizonの残りの文脈を用いて再びrefineされる。 - この構造化された再noisingにより、horizonを跨いだ反復的なrevisionが可能になる。 - これにより、前後のセグメントが互いを修正しつつ、局所的な一貫性を維持する。

2. 先行研究と比べてどこがすごい?

既存のdiffusionベースの逐次予測は単一の単調なdenoisingプロセスに限定されていた。 - Diffusion ReRollは、局所的に安定した領域を選択的に再noiseし、残りの領域のdenoisingを継続する点が異なる。 - これにより、horizonを跨いだ反復的なrevisionが可能となり、前後のセグメントが互いを修正できる。 - 比較対象として、full-sequence diffusionとDiffusion Forcingに基づくcausal denoisingがある。 - 長期的なplanning、policy learning、統合video-action modelingで評価されている。 - OGBench PointMazeとAntMazeでは、Diffusion Forcingに対して平均成功率が21%相対改善、Diffuserに対して23%相対改善。 - LIBERO-10ではDiffusion Policyに対して平均成功率が56.5%相対改善。 - 統合video-action predictionでは、特にout-of-distribu…

3. 技術・手法の肝は?

Diffusion ReRollの技術的な肝は、構造化された再noising機構にある。 - 局所的に安定した領域を選択的に再noiseする。 - 再noiseされた領域は、horizonの残りの文脈を用いて再びrefineされる。 - 残りの領域はdenoisingを継続する。 - これにより、horizonを跨いだ反復的なrevisionが可能になる。 - 前後のセグメントが互いを修正しつつ、局所的な一貫性を維持する。 - 具体的な再noiseの選択基準やスケジュールは要旨からは不明。

4. どうやって有効だと検証した?

Diffusion ReRollは、full-sequence diffusionとDiffusion Forcingに基づくcausal denoisingに対して評価された。 - 長期的なplanning、policy learning、統合video-action modelingの3つのタスクで検証。 - OGBench PointMazeとAntMazeでは、guidance-based planningでDiffusion Forcingに対して平均成功率が21%相対改善。 - 同じくOGBenchで、goal-inpaintingでDiffuserに対して平均成功率が23%相対改善。 - LIBERO-10 multi-task benchmarkでは、diffusion-policy-style action predictionにおいて、異なるprediction horizonとhistory lengthでDiffusion Policyに対して平均成功率が56.5%相対改善。 - 統合video-action predictionでは、policyとinvers…

5. 議論はある?

要旨では、構造化された再noisingがrevisableなロボティック逐次生成の有効なメカニズムであると結論づけている。 - 実験結果は、このアプローチの有効性を支持している。 - しかし、再noisingの選択基準や計算コスト、他のタスクへの一般化可能性についての議論は要旨からは不明。 - 限界や失敗事例についても要旨からは不明。

6. 次に読むべき論文は?

要旨で参照・比較されている研究は以下の通り。 - Diffusion Forcing: causal denoisingのベースライン。 - Diffuser: goal-inpaintingの比較対象。 - Diffusion Policy: diffusion-policy-style action predictionの比較対象。 - full-sequence diffusion: 比較対象の一つ。 - OGBench PointMaze, AntMaze, LIBERO-10: 評価に用いられたベンチマーク。 - 関連手法として、diffusion-based sequence predictionやdenoising diffusion probabilistic models (DDPM) の定番論文も次に読むべき候補。 - 具体的な論文名は要旨からは不明なため、上記の手法名やベンチマークを手がかりに調査するのが良い。

※ 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: Seonsoo Kim, Seongil Hong, Jun-Gill Kang

分類: cs.RO, cs.LG

原文アブストラクト

We propose Diffusion ReRoll, a diffusion-based framework for robotic sequential prediction that enables revisable denoising over horizons. Existing diffusion-based sequence predictors typically perform a single monotonic denoising process. In contrast, Diffusion ReRoll selectively re-noises regions that have become locally stable while the remaining regions continue denoising, so the re-noised regions can be refined again using context from the rest of the horizon. This structured re-noising enables iterative cross-horizon revision, allowing earlier and later segments to revise one another, while maintaining local consistency. We evaluate Diffusion ReRoll against full-sequence diffusion and causal denoising based on Diffusion Forcing across long-horizon planning, policy learning, and unified video-action modeling. On OGBench PointMaze and AntMaze, Diffusion ReRoll achieves relative gains in average success rate of 21% over Diffusion Forcing in matched guidance-based planning and 23% over Diffuser in matched goal-inpainting. In diffusion-policy-style action prediction, Diffusion ReRoll improves average success by 56.5% relative to Diffusion Policy across different prediction horizons and history lengths on the LIBERO-10 multi-task benchmark. In unified video-action prediction, Diffusion ReRoll improves policy and inverse dynamics performance, especially under out-of-distribution evaluation, and achieves the best action-video consistency. These results support structured re-noising as an effective mechanism for revisable robotic sequence generation.

  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