論文の概要: Efficient Hybrid SE(3)-Equivariant Visuomotor Flow Policy via Spherical Harmonics for Robot Manipulation

• arxiv url: http://arxiv.org/abs/2603.23227v1
• Date: Tue, 24 Mar 2026 14:00:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.517552
• Title: Efficient Hybrid SE(3)-Equivariant Visuomotor Flow Policy via Spherical Harmonics for Robot Manipulation
• Title（参考訳）: ロボットマニピュレーションのための球高調波による効率的なハイブリッドSE(3)-等価ビズモータフローポリシー
• Authors: Qinglun Zhang, Shen Cheng, Tian Dan, Haoqiang Fan, Guanghui Liu, Shuaicheng Liu,
• Abstract要約: E3Flowは、同変拡散ポリシーの限界に対処する新しいフレームワークである。 安定な多モード同変学習による効率的な整流を初めて統一する。 E3Flowは、最先端の球拡散政策よりも平均的な成功率を3.12%向上させる。
• 参考スコア（独自算出の注目度）: 51.48086451600577
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: While existing equivariant methods enhance data efficiency, they suffer from high computational intensity, reliance on single-modality inputs, and instability when combined with fast-sampling methods. In this work, we propose E3Flow, a novel framework that addresses the critical limitations of equivariant diffusion policies. E3Flow overcomes these challenges, successfully unifying efficient rectified flow with stable, multi-modal equivariant learning for the first time. Our framework is built upon spherical harmonic representations to ensure rigorous SO(3) equivariance. We introduce a novel invariant Feature Enhancement Module (FEM) that dynamically fuses hybrid visual modalities (point clouds and images), injecting rich visual cues into the spherical harmonic features. We evaluate E3Flow on 8 manipulation tasks from the MimicGen and further conduct 4 real-world experiments to validate its effectiveness in physical environments. Simulation results show that E3Flow achieves a 3.12% improvement in average success rate over the state-of-the-art Spherical Diffusion Policy (SDP) while simultaneously delivering a 7x inference speedup. E3Flow thus demonstrates a new and highly effective trade-off between performance, efficiency, and data efficiency for robotic policy learning. Code: https://github.com/zql-kk/E3Flow.
• Abstract（参考訳）: 既存の同変法はデータの効率を向上させるが、高速サンプリング法と組み合わせると高い計算強度、単一モード入力への依存、不安定性に悩まされる。 本研究では,同変拡散ポリシーの限界に対処する新しいフレームワークであるE3Flowを提案する。 E3Flowはこれらの課題を克服し、安定したマルチモーダル同変学習による効率的な整流を初めて実現した。 我々のフレームワークは、厳密なSO(3)均衡を保証するために球面調和表現の上に構築されている。 本研究では,ハイブリッドな視覚的モーダル(点雲と画像)を動的に融合させ,豊富な視覚的手がかりを球面調和特徴に注入する,新しい不変機能拡張モジュール(FEM)を提案する。 我々は,MimicGenの8つの操作タスク上のE3Flowを評価し,実世界の4つの実験を行い,実環境におけるE3Flowの有効性を検証する。 シミュレーションの結果、E3Flowは、最先端の球状拡散政策(SDP)よりも平均成功率を3.12%向上し、同時に7倍の推論速度を実現していることがわかった。 E3Flowは、ロボットポリシー学習のパフォーマンス、効率、データ効率のトレードオフを、より効果的に実現している。 コード:https://github.com/zql-kk/E3Flow

関連論文リスト

• 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)
• ReSeFlow: Rectifying SE(3)-Equivariant Policy Learning Flows [7.360373380580255]
  本稿では, SE(3)-拡散モデルに補正を導入し, 高速かつジオデシックな, 最小計算型ポリシー生成を提供するReSeFlowを提案する。 提案したReSeFlowは,提案手法よりも測地距離が低い場合に高い性能が得られることがわかった。
  論文  参考訳（メタデータ） (2025-09-20T06:32:36Z)
• G3Flow: Generative 3D Semantic Flow for Pose-aware and Generalizable Object Manipulation [65.86819811007157]
  本稿では,基礎モデルを活用した動的オブジェクト中心の3D表現であるリアルタイムセマンティックフローを構築する新しいフレームワークG3Flowを提案する。 提案手法は,デジタルツイン生成のための3次元生成モデル,セマンティック特徴抽出のための視覚基盤モデル,連続的なセマンティックフロー更新のためのロバストポーズ追跡を一意に組み合わせたものである。 本研究は,ロボット操作ポリシーのリアルタイムな動的意味的特徴理解におけるG3Flowの有効性を実証するものである。
  論文  参考訳（メタデータ） (2024-11-27T14:17:43Z)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• ActionFlow: Equivariant, Accurate, and Efficient Policies with Spatially Symmetric Flow Matching [20.20511152176522]
  ActionFlowは、空間対称性誘導バイアスを統合するポリシークラスである。 表現レベルでは、ActionFlowはSE(3)不変トランスフォーマーアーキテクチャを導入している。 ActionFlowは、最先端の深層生成モデルであるFlow Matchingを活用する。
  論文  参考訳（メタデータ） (2024-09-06T19:30:36Z)
• AdaFlow: Imitation Learning with Variance-Adaptive Flow-Based Policies [21.024480978703288]
  本稿では,フローベース生成モデルに基づく模倣学習フレームワークであるAdaFlowを提案する。 AdaFlowは状態条件付き常微分方程式(ODE)によるポリシーを表す AdaFlowは高速な推論速度で高い性能を実現する。
  論文  参考訳（メタデータ） (2024-02-06T10:15:38Z)
• AEDFL: Efficient Asynchronous Decentralized Federated Learning with Heterogeneous Devices [61.66943750584406]
  異種環境におけるAEDFL(Asynchronous Efficient Decentralized FL framework)を提案する。 まず、FL収束を改善するための効率的なモデル集約手法を用いた非同期FLシステムモデルを提案する。 次に,より優れた精度を実現するために,動的安定化を考慮したモデル更新手法を提案する。 第3に,通信コストと計算コストを大幅に削減する適応スパース学習法を提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:18:17Z)

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。