論文の概要: Rectified Schrödinger Bridge Matching for Few-Step Visual Navigation
- arxiv url: http://arxiv.org/abs/2604.05673v1
- Date: Tue, 07 Apr 2026 10:22:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.76202
- Title: Rectified Schrödinger Bridge Matching for Few-Step Visual Navigation
- Title（参考訳）: Few-Stepビジュアルナビゲーションのための整形シュレーディンガーブリッジマッチング
- Authors: Wuyang Luan, Junhui Li, Weiguang Zhao, Wenjian Zhang, Tieru Wu, Rui Ma,
- Abstract要約: 視覚ナビゲーションはEmbodied AIの中核的な課題であり、自律エージェントは高次元の感覚観察を長距離行動軌跡に変換する必要がある。
我々は,シュルディンガー橋と決定論的輸送の共通速度場構造を利用するフレームワークであるRectified Schrdinger Bridge Matching (RSBM)を提案する。
RSBMはわずか3段階のトレーニングで94%以上の成功率と92%以上の成功率を達成し、高忠実度生成ポリシーとEmbodied AIの低レイテンシ要求とのギャップを著しく狭めている。
- 参考スコア（独自算出の注目度）: 18.319705014361908
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual navigation is a core challenge in Embodied AI, requiring autonomous agents to translate high-dimensional sensory observations into continuous, long-horizon action trajectories. While generative policies based on diffusion models and Schrödinger Bridges (SB) effectively capture multimodal action distributions, they require dozens of integration steps due to high-variance stochastic transport, posing a critical barrier for real-time robotic control. We propose Rectified Schrödinger Bridge Matching (RSBM), a framework that exploits a shared velocity-field structure between standard Schrödinger Bridges ($\varepsilon=1$, maximum-entropy transport) and deterministic Optimal Transport ($\varepsilon\to 0$, as in Conditional Flow Matching), controlled by a single entropic regularization parameter $\varepsilon$. We prove two key results: (1) the conditional velocity field's functional form is invariant across the entire $\varepsilon$-spectrum (Velocity Structure Invariance), enabling a single network to serve all regularization strengths; and (2) reducing $\varepsilon$ linearly decreases the conditional velocity variance, enabling more stable coarse-step ODE integration. Anchored to a learned conditional prior that shortens transport distance, RSBM operates at an intermediate $\varepsilon$ that balances multimodal coverage and path straightness. Empirically, while standard bridges require $\geq 10$ steps to converge, RSBM achieves over 94% cosine similarity and 92% success rate in merely 3 integration steps -- without distillation or multi-stage training -- substantially narrowing the gap between high-fidelity generative policies and the low-latency demands of Embodied AI.
- Abstract（参考訳）: 視覚ナビゲーションは、Embodied AIの中核的な課題であり、自律的なエージェントは、高次元の感覚観察を連続した長時間の行動軌跡に変換する必要がある。
拡散モデルとシュレーディンガーブリッジ(SB)に基づく生成ポリシーは、効果的にマルチモーダルな動作分布をキャプチャするが、高分散確率移動による数十の積分ステップが必要であり、リアルタイムロボット制御にとって重要な障壁となる。
一つのエントロピー正規化パラメータ$\varepsilon$で制御された標準シュレーディンガーブリッジ(\varepsilon=1$, max-entropy transport)と決定論的最適輸送(\varepsilon\to 0$, as in Conditional Flow Matching)の共有速度場構造を利用するフレームワークであるRectified Schrödinger Bridge Matching(RSBM)を提案する。
条件速度場の関数形式は, 1 つのネットワークがすべての正規化強度を満たすことができるような$\varepsilon$-spectrum (Velocity Structure Invariance) 全体にわたって不変であり, (2) $\varepsilon$ の削減は条件速度の分散を線形的に減少させ,より安定した粗いODE積分を可能にする。
RSBMは、輸送距離を短くする学習条件に従って、マルチモーダルカバレッジとパスの直線性のバランスをとる中間の$\varepsilon$で動作する。
経験的に、標準ブリッジは収束するために$\geq 10$ステップを必要とするが、RSBMは、蒸留や多段階のトレーニングなしで、たった3つの統合ステップで、94%以上のコサイン類似性と92%の成功率を達成する。
関連論文リスト
- Photon-echo synchronization and quantum state transfer in short quantum links [2.6022738589012264]
短い量子リンク状態は実験的に関係があるが理論的には未解明である。
短絡に結合したエミッタは、コヒーレント光子エコーによって駆動される自同期Rabi発振に自然にロックされることを示す。
その結果、量子状態伝達のエンジニアリングリソースとしてフォトン-エチョ同期が確立された。
論文 参考訳（メタデータ） (2026-03-19T15:55:11Z) - Enabling Dynamic Tracking in Vision-Language-Action Models via Time-Discrete and Time-Continuous Velocity Feedforward [11.066720921275648]
視覚言語アクション(VLA)モデルは、ロボット操作に非常に有望である。
厳格な産業用ロボットへの展開は、コンプライアンスと応答性の本質的にのトレードオフのため、依然として困難である。
本稿では、このトレードオフを解決するために、速度フィードフォワード項をVLAポリシーに統合することの重要性を示す。
論文 参考訳（メタデータ） (2026-03-17T07:50:00Z) - 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) - FlowConsist: Make Your Flow Consistent with Real Trajectory [99.22869983378062]
現在の高速フロートレーニングパラダイムには,2つの根本的な問題がある,と我々は主張する。
ランダムにペアリングされたノイズデータサンプルから構築された条件付き速度は、系統的な軌跡ドリフトを導入する。
本研究では,高速フローにおける軌道整合性を実現するためのトレーニングフレームワークであるFlowConsistを提案する。
論文 参考訳（メタデータ） (2026-02-06T03:24:23Z) - Lane-Frame Quantum Multimodal Driving Forecasts for the Trajectory of Autonomous Vehicles [6.137648436139678]
自動運転のトレイ予測は、厳密な計算とレイテンシの制約の下で、正確でマルチモーダルなキャリブレーションされた予測を提供する必要がある。
本稿では,エゴ中心のレーン配向フレームで動作することにより,量子帰納バイアスを路面構造に整合させる,コンパクトなハイブリッド量子アーキテクチャを提案する。
Open Motionデータセットでは、SI1.94mのminADEとSI3.56mのminFDEが達成され、ミス率と強いリコールでキネマティックベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2025-11-21T07:00:07Z) - Distribution learning via neural differential equations: minimal energy regularization and approximation theory [1.5771347525430774]
微分常微分方程式(ODE)は、複素確率分布を近似するのに使用できる可逆輸送写像の表現的表現を提供する。
大規模な輸送写像のクラス$T$に対して、写像によって誘導される変位の直線$(1-t)x + t(tTx)$ を実現する時間依存ODE速度場が存在することを示す。
このような速度場は、特定の最小エネルギー正規化を含む訓練対象の最小値であることを示す。
論文 参考訳（メタデータ） (2025-02-06T05:50:21Z) - Latent Schrodinger Bridge: Prompting Latent Diffusion for Fast Unpaired Image-to-Image Translation [58.19676004192321]
ノイズからの画像生成とデータからの逆変換の両方を可能にする拡散モデル (DM) は、強力な未ペア画像対イメージ(I2I)翻訳アルゴリズムにインスピレーションを与えている。
我々は、最小輸送コストの分布間の微分方程式(SDE)であるSchrodinger Bridges (SBs) を用いてこの問題に取り組む。
この観測に触発されて,SB ODE を予め訓練した安定拡散により近似する潜在シュロディンガー橋 (LSB) を提案する。
提案アルゴリズムは,従来のDMのコストをわずかに抑えながら,教師なし環境での競合的I2I翻訳を実現していることを示す。
論文 参考訳（メタデータ） (2024-11-22T11:24:14Z) - Broadening Target Distributions for Accelerated Diffusion Models via a Novel Analysis Approach [49.97755400231656]
本研究では,新しいDDPMサンプリング器が,これまで考慮されていなかった3種類の分散クラスに対して高速化性能を実現することを示す。
この結果から, DDPM型加速サンプリング器におけるデータ次元$d$への依存性が改善された。
論文 参考訳（メタデータ） (2024-02-21T16:11:47Z) - Generalized Schrödinger Bridge Matching [54.171931505066]
一般化Schr"odinger Bridge (GSB) 問題設定は、機械学習の内外を問わず、多くの科学領域で一般的である。
我々は最近の進歩に触発された新しいマッチングアルゴリズムである一般化シュリンガーブリッジマッチング(GSBM)を提案する。
このような一般化は条件最適制御の解法として、変分近似を用いることができることを示す。
論文 参考訳（メタデータ） (2023-10-03T17:42:11Z)
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。