論文の概要: One Step Is Enough: Dispersive MeanFlow Policy Optimization

• arxiv url: http://arxiv.org/abs/2601.20701v1
• Date: Wed, 28 Jan 2026 15:34:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.984659
• Title: One Step Is Enough: Dispersive MeanFlow Policy Optimization
• Title（参考訳）: ひとつのステップ:分散平均フローポリシー最適化
• Authors: Guowei Zou, Haitao Wang, Hejun Wu, Yukun Qian, Yuhang Wang, Weibing Li,
• Abstract要約: Dispersive MeanFlow Policy Optimization (DMPO)は、一段階生成を可能にする統一されたフレームワークである。 RoboMimic操作とOpenAI Gymロコモーションベンチマークによる実験は、競争力や優れたパフォーマンスを示している。
• 参考スコア（独自算出の注目度）: 23.382067451764396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time robotic control demands fast action generation. However, existing generative policies based on diffusion and flow matching require multi-step sampling, fundamentally limiting deployment in time-critical scenarios. We propose Dispersive MeanFlow Policy Optimization (DMPO), a unified framework that enables true one-step generation through three key components: MeanFlow for mathematically-derived single-step inference without knowledge distillation, dispersive regularization to prevent representation collapse, and reinforcement learning (RL) fine-tuning to surpass expert demonstrations. Experiments across RoboMimic manipulation and OpenAI Gym locomotion benchmarks demonstrate competitive or superior performance compared to multi-step baselines. With our lightweight model architecture and the three key algorithmic components working in synergy, DMPO exceeds real-time control requirements (>120Hz) with 5-20x inference speedup, reaching hundreds of Hertz on high-performance GPUs. Physical deployment on a Franka-Emika-Panda robot validates real-world applicability.
• Abstract（参考訳）: リアルタイムロボット制御は高速なアクション生成を必要とする。 しかし、拡散とフローマッチングに基づく既存の生成ポリシーは、時間クリティカルなシナリオにおけるデプロイメントを根本的に制限する多段階サンプリングを必要とする。 本稿では,3つの主要な要素を通じて真のワンステップ生成を可能にする統一されたフレームワークである分散平均流政策最適化(DMPO)を提案する。 RoboMimic操作とOpenAI Gymロコモーションベンチマークによる実験は、マルチステップベースラインと比較して、競争力や優れたパフォーマンスを示している。 我々の軽量モデルアーキテクチャと3つの重要なアルゴリズムコンポーネントがシナジーで動作するため、DMPOは5-20倍の推論速度を持つリアルタイム制御要求(>120Hz)を超え、高性能GPU上で数百のHertzに達した。 フランカ・エミカ・パンダロボットの物理的展開は、現実の応用性を検証する。

関連論文リスト

• FASTER: Rethinking Real-Time Flow VLAs [82.58822112377923]
  VLA(Vision-Language-Action)モデルを物理世界に展開するには、リアルタイム実行が不可欠である。 反応時間は、TTFA(Time to First Action)と実行地平線によって決定される一様分布に従っていることを示す。 即時反応のための高速動作サンプリング(FASTER)を提案し,この問題を克服する。
  論文  参考訳（メタデータ） (2026-03-19T17:51:37Z)
• Ada3Drift: Adaptive Training-Time Drifting for One-Step 3D Visuomotor Robotic Manipulation [53.750389076941396]
  拡散に基づくビジュモータポリシーは反復的認知を通じて多モーダルな動作分布をキャプチャするが、その高い推論遅延はリアルタイムロボット制御を制限する。 Ada3Driftは,専門家のデモモードに対して予測された行動を引き付ける訓練時間ドリフト場を学習する。 Ada3Driftは、拡散ベースの代替よりも10倍の関数評価を必要としながら、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-12T14:36:53Z)
• From Flow to One Step: Real-Time Multi-Modal Trajectory Policies via Implicit Maximum Likelihood Estimation-based Distribution Distillation [18.70033095161235]
  Indicit Likelihood Estimation (IMLE) を用いて条件付きフローマッチングの専門家を高速な単一ステップの学生に蒸留する枠組みを提案する。 双方向のチャンファー距離は、モードカバレッジと忠実度の両方を促進する設定レベルの目的を提供する。 統合認識エンコーダは、さらに多視点RGB、深度、点雲、プロプレセプションを幾何学的認識表現に統合する。
  論文  参考訳（メタデータ） (2026-03-10T09:30:05Z)
• PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
  PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。 PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。 7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
  論文  参考訳（メタデータ） (2026-02-02T17:57:37Z)
• RollArt: Scaling Agentic RL Training via Disaggregated Infrastructure [49.88201789074532]
  エージェント強化学習(RL)は、大規模言語モデル(LLM)が自律的な意思決定と長期計画を行うことを可能にする。 分散インフラストラクチャ上でマルチタスクエージェントRLのスループットを最大化する分散システムであるRollArcを提案する。
  論文  参考訳（メタデータ） (2025-12-27T11:14:23Z)
• ActionFlow: A Pipelined Action Acceleration for Vision Language Models on Edge [11.016302257907936]
  VLA(Vision-Language-Action)モデルは、ロボットの知覚と制御の統一パラダイムとして登場した。 現在のVLAモデルは、自己回帰復号のメモリバウンド特性のため、エッジデバイス上でわずか3-5Hzで動作する。 本稿では,リソース制約のあるエッジプレート形式に適したシステムレベルの推論フレームワークであるActionFlowを紹介する。
  論文  参考訳（メタデータ） (2025-12-23T11:29:03Z)
• One-Step Generative Policies with Q-Learning: A Reformulation of MeanFlow [56.13949180229929]
  ノイズを直接行動にマッピングするオフライン強化学習のための一段階の生成ポリシーを,MeanFlowの残留的な再構成を通じて導入する。 本手法はオフライン・オフライン両方の強化学習環境において高い性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T06:34:17Z)
• MeanFlowSE: one-step generative speech enhancement via conditional mean flow [13.437825847370442]
  MeanFlowSEは、軌道に沿った有限区間の平均速度を学習する条件付き生成モデルである。 VoiceBank-DEMANDでは、シングルステップモデルは多ステップベースラインよりも計算コストが大幅に低い強い知性、忠実性、知覚品質を実現する。
  論文  参考訳（メタデータ） (2025-09-18T11:24:47Z)
• FreqPolicy: Efficient Flow-based Visuomotor Policy via Frequency Consistency [34.81668269819768]
  本稿では,ロボット操作における時間情報を活用するFreqPolicyを提案する。 FreqPolicyは最初、フローベースのビジュモータポリシーに周波数一貫性の制約を課す。 推論周波数93.5Hzの実世界のロボットシナリオにおいて,効率と有効性を示す。
  論文  参考訳（メタデータ） (2025-06-10T14:12:53Z)
• One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation [80.71541671907426]
  OneStep Diffusion Policy (OneDP)は、事前訓練された拡散政策から知識を単一ステップのアクションジェネレータに蒸留する新しいアプローチである。 OneDPはロボット制御タスクの応答時間を著しく短縮する。
  論文  参考訳（メタデータ） (2024-10-28T17:54:31Z)

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。