フローポリシーのガウス蒸留
Gaussian Distillation of Flow Policies
フローポリシーの連続行動分布がガウスで近似できることを示し、最終層をガウス読み出しに置き換えて高速化と閉形式尤度を実現した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Youssef Saied, Ziyad Sheebaelhamd, Claire Vernade, François Fleuret
分類: cs.RO
原文アブストラクト
Flow policies are among the strongest robot controllers and are well suited to modelling multimodal action distributions. Our analysis shows that the continuous-action distributions of the studied flow policies are well approximated by Gaussians. We propose the Gaussian Action Readout (GAR), which replaces a flow policy's final layer with a Gaussian readout trained on just 0.02% of eligible states, while keeping the rest of the network frozen. It samples with one action-network pass, gives closed-form likelihoods, and achieves near-teacher task success at up to twice the inference speed.
