論文の概要: Dense-Jump Flow Matching with Non-Uniform Time Scheduling for Robotic Policies: Mitigating Multi-Step Inference Degradation

• arxiv url: http://arxiv.org/abs/2509.13574v1
• Date: Tue, 16 Sep 2025 22:28:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.665124
• Title: Dense-Jump Flow Matching with Non-Uniform Time Scheduling for Robotic Policies: Mitigating Multi-Step Inference Degradation
• Title（参考訳）: ロボットポリシーの非一様時間スケジューリングによるダンプ・ジャンプ流のマッチング:マルチステップ推論劣化の軽減
• Authors: Zidong Chen, Zihao Guo, Peng Wang, ThankGod Itua Egbe, Yan Lyu, Chenghao Qian,
• Abstract要約: フローマッチングは、ロボット工学で高品質な生成ポリシーを学ぶための競争フレームワークとして登場した。 推論における統合ステップの数の増加は、政策性能を反故意に、そして普遍的に低下させる。 本研究では,非一様時間スケジューリング(例えば,U字型)を訓練中に活用する新政策を提案する。
• 参考スコア（独自算出の注目度）: 9.24627229208295
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flow matching has emerged as a competitive framework for learning high-quality generative policies in robotics; however, we find that generalisation arises and saturates early along the flow trajectory, in accordance with recent findings in the literature. We further observe that increasing the number of Euler integration steps during inference counter-intuitively and universally degrades policy performance. We attribute this to (i) additional, uniformly spaced integration steps oversample the late-time region, thereby constraining actions towards the training trajectories and reducing generalisation; and (ii) the learned velocity field becoming non-Lipschitz as integration time approaches 1, causing instability. To address these issues, we propose a novel policy that utilises non-uniform time scheduling (e.g., U-shaped) during training, which emphasises both early and late temporal stages to regularise policy training, and a dense-jump integration schedule at inference, which uses a single-step integration to replace the multi-step integration beyond a jump point, to avoid unstable areas around 1. Essentially, our policy is an efficient one-step learner that still pushes forward performance through multi-step integration, yielding up to 23.7% performance gains over state-of-the-art baselines across diverse robotic tasks.
• Abstract（参考訳）: フローマッチングは,ロボット工学における高品質な生成ポリシーを学習するための競争的枠組みとして登場したが,近年の文献の知見に則って,フロー軌跡に沿って早期に一般化と飽和が生じることが判明した。 さらに、推論中のオイラー積分ステップの増大は、政策性能を反故意かつ普遍的に低下させる。 私たちはこれを当てはめます 一 遅滞領域を一括して一括統合し、訓練軌道に対する行動を制限し、一般化を減らし、 (2)積分時間が1に近づくと、学習速度場は非リプシッツとなる。 これらの課題に対処するため、政策訓練の早期・後期の段階と推論時の密ジャンプ統合スケジュールに重点を置くトレーニング中の非一様時間スケジューリング(例:U字型)を活用する新しいポリシーを提案する。 基本的に、我々の政策は効率的なワンステップ学習者であり、多段階統合によるパフォーマンス向上を推し進め、様々なロボットタスクにおける最先端のベースラインよりも最大で23.7%のパフォーマンス向上をもたらす。

関連論文リスト

• Data Augmentation Policy Search for Long-Term Forecasting [4.910937238451485]
  TSAAという時系列自動拡張手法を導入する。 TSAAは2段階のプロセスを通じて関連する二段階最適化問題に取り組む。 安定していくつかの堅牢なベースラインを上回ります。
  論文  参考訳（メタデータ） (2024-05-01T04:55:51Z)
• Towards Global Optimality for Practical Average Reward Reinforcement Learning without Mixing Time Oracles [83.85151306138007]
  Multi-level Actor-Critic (MAC) フレームワークには、MLMC (Multi-level Monte-Carlo) 推定器が組み込まれている。 MACは、平均報酬設定において、既存の最先端ポリシーグラデーションベースの手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-18T16:23:47Z)
• Time-Efficient Reinforcement Learning with Stochastic Stateful Policies [20.545058017790428]
  我々は,ステートフルな政策を,後者をグラデーションな内部状態カーネルとステートレスなポリシーに分解して訓練するための新しいアプローチを提案する。 我々は、ステートフルなポリシー勾配定理の異なるバージョンを導入し、一般的な強化学習アルゴリズムのステートフルな変種を簡単にインスタンス化できるようにする。
  論文  参考訳（メタデータ） (2023-11-07T15:48:07Z)
• Safe Multi-agent Learning via Trapping Regions [89.24858306636816]
  我々は、動的システムの定性理論から知られているトラップ領域の概念を適用し、分散学習のための共同戦略空間に安全セットを作成する。 本稿では,既知の学習力学を持つシステムにおいて,候補がトラップ領域を形成することを検証するための二分分割アルゴリズムと,学習力学が未知のシナリオに対するサンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-27T14:47:52Z)
• Accelerated Gradient Flow: Risk, Stability, and Implicit Regularization [8.40147355108175]
  本研究では,Nesterovの加速勾配法とPolyakの重ボール法により生じる反復率の統計的リスクについて検討した。 分析を連続的に実施することで、以前の作業よりもシャープなステートメントを実現できるのです。
  論文  参考訳（メタデータ） (2022-01-20T17:23:43Z)
• Accelerating Federated Edge Learning via Optimized Probabilistic Device Scheduling [57.271494741212166]
  本稿では,通信時間最小化問題を定式化し,解決する。 最適化されたポリシーは、トレーニングプロセスが進むにつれて、残りの通信ラウンドの抑制から、ラウンドごとのレイテンシの低減へと、徐々に優先順位を転換している。 提案手法の有効性は,自律運転における協調的3次元目標検出のユースケースを通じて実証される。
  論文  参考訳（メタデータ） (2021-07-24T11:39:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。