論文の概要: Constraint-Aware Diffusion Priors for High-Fidelity and Versatile Quadruped Locomotion

• arxiv url: http://arxiv.org/abs/2605.08804v2
• Date: Tue, 12 May 2026 09:46:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.24428
• Title: Constraint-Aware Diffusion Priors for High-Fidelity and Versatile Quadruped Locomotion
• Title（参考訳）: 高忠実度四足歩行における制約付き拡散前処理
• Authors: Jianhui Chen, Ruixin Zhan, Liu Liu, Yang Cai, Ziqiao Li,
• Abstract要約: 本稿では, Diff-CAST (Diffusion-guided Constraint-Aware Symmetric Tracking) を提案する。 従来のGAN識別器を置き換え、異種コレクションのロバストなデータスケーリングをアンロックする。 四足歩行の実験では、Diff-CASTはモード崩壊を緩和し、多様なスキル間のシームレスな移行を可能にし、堅牢でハードウェア準拠の移動を保証する。
• 参考スコア（独自算出の注目度）: 8.786247071047514
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reinforcement learning combined with imitation learning has significantly advanced biomimetic quadrupedal locomotion. However, scaling these frameworks to massive, multi-source datasets exposes fundamental bottlenecks. First, traditional GAN-based discriminators are prone to mode collapse, struggling to capture diverse motion distributions from uncurated datasets. Second, existing kinematic priors suffer from out-of-distribution (OOD) tracking conflicts, leading to severe unintended heading drifts during complex maneuvers. Furthermore, deploying unconstrained priors to physical hardware poses critical safety risks by disregarding actuator dynamics. To overcome these challenges, we propose Diff-CAST (Diffusion-guided Constraint-Aware Symmetric Tracking), a novel motion prior framework leveraging the multi-modal distribution modeling capabilities of diffusion models for stylistic rewards. Diff-CAST effectively replaces traditional GAN discriminators, unlocking robust data scaling on heterogeneous collections. To ensure high-fidelity intent execution and reliable real-world deployment, we introduce a comprehensive Sim2Real architecture integrating Symmetric Augmented Command Conditioning (SACC) for drift-free tracking, and Constrained RL for hardware safety. Experiments on a quadruped demonstrate that Diff-CAST mitigates mode collapse, enables seamless transitions between diverse skills, and ensures robust, hardware-compliant locomotion.
• Abstract（参考訳）: 強化学習と模倣学習が組み合わさって、生体模倣的四足歩行が著しく進歩した。 しかし、これらのフレームワークを大規模なマルチソースデータセットにスケールすることは、根本的なボトルネックを露呈する。 まず、従来のGANベースの識別器はモード崩壊しがちで、未処理のデータセットから多様な動きの分布を捉えるのに苦労している。 第二に、既存のキネマティックの先駆者は、複雑な操作中に意図せざる方向のドリフトに繋がる障害(OOD)の追跡に苦しむ。 さらに、制約のない事前の物理ハードウェアへの展開は、アクチュエータのダイナミクスを無視して重大な安全リスクを生じさせる。 これらの課題を克服するために,スタイリスティック報酬のための拡散モデルのマルチモーダル分布モデリング機能を活用する新しい動き前フレームワークであるDiff-CAST(Diffusion-guided Constraint-Aware Symmetric Tracking)を提案する。 Diff-CASTは、従来のGAN識別器を効果的に置き換え、異種コレクションのロバストなデータスケーリングを解放する。 ドリフトフリートラッキングのためのSACC(Symmetric Augmented Command Conditioning)とハードウェア安全性のためのConstrained RL(Constrained RL)を統合した総合的なSim2Realアーキテクチャを導入する。 四足歩行の実験では、Diff-CASTはモード崩壊を緩和し、多様なスキル間のシームレスな移行を可能にし、堅牢でハードウェア準拠の移動を保証する。

関連論文リスト

• Safer Trajectory Planning with CBF-guided Diffusion Model for Unmanned Aerial Vehicles [9.178828168133206]
  AeroTrajGenは、無人航空機の拡散に基づく軌道生成のための新しいフレームワークである。 制御障壁関数(CBF)誘導サンプリングを推論中に組み込んでおり、特にUAV用に設計されている。 CBF誘導サンプリングは非誘導拡散ベースラインに比べて94.7%の衝突速度を低下させることを示した。
  論文  参考訳（メタデータ） (2026-04-19T16:41:16Z)
• OmniForcing: Unleashing Real-time Joint Audio-Visual Generation [51.031726911410594]
  最近のジョイントオーディオ・視覚拡散モデルは、優れた生成品質を実現するが、高いレイテンシーに悩まされる。 OmniForcingは、オフラインの双方向拡散モデルを高忠実度ストリーミングオートレジェネレータに蒸留する最初のフレームワークである。
  論文  参考訳（メタデータ） (2026-03-12T08:17:36Z)
• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• LEGATO: Good Identity Unlearning Is Continuous [30.78585550012454]
  LEGATOは、生成モデルのアイデンティティを忘れることを学ぶための機械学習手法である。 最先端の忘れパフォーマンスを実現し、破滅的な崩壊を回避し、微調整されたパラメータを減らす。 実験の結果,LEGATOは最先端の忘れ物性能を実現し,破滅的な崩壊を回避し,微調整パラメータを低減できることがわかった。
  論文  参考訳（メタデータ） (2026-01-07T13:15:25Z)
• A Tri-Modal Dataset and a Baseline System for Tracking Unmanned Aerial Vehicles [74.8162337823142]
  MM-UAVはMulti-Modal UAV Trackingの最初の大規模ベンチマークである。 データセットは30以上の挑戦的なシナリオにまたがっており、1,321の同期マルチモーダルシーケンスと280万以上の注釈付きフレームがある。 データセットを伴って、我々は新しいマルチモーダルマルチUAV追跡フレームワークを提供する。
  論文  参考訳（メタデータ） (2025-11-23T08:42:17Z)
• Improved Training Technique for Shortcut Models [12.527716901034694]
  ショートカットモデルは、生成モデリングのための有望で非敵対的なパラダイムである。 ショートカットモデルは、1つのトレーニングされたネットワークから1ステップ、数ステップ、および複数ステップのサンプリングをサポートする。 本稿では,ショートカットモデルを後退させた5つのコア問題に対処する。
  論文  参考訳（メタデータ） (2025-10-24T08:35:04Z)
• DMTrack: Deformable State-Space Modeling for UAV Multi-Object Tracking with Kalman Fusion and Uncertainty-Aware Association [18.68212724411998]
  無人航空機(UAV)からの多目的追跡(MOT)は、予測不可能な物体の動きによる固有の課題を提示する。 UAVベースのMOTに適した変形可能なモーショントラッキングフレームワークであるDMTrackを提案する。 本手法は, 外観モデルなしで動作し, 競争効率を保ち, 堅牢なUAVトラッキングの実現性を強調した。
  論文  参考訳（メタデータ） (2025-10-15T13:54:25Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Enhancing Multiple Reliability Measures via Nuisance-extended Information Bottleneck [77.37409441129995]
  トレーニングデータに制限がある現実的なシナリオでは、データ内の多くの予測信号は、データ取得のバイアスからより多く得る。 我々は,相互情報制約の下で,より広い範囲の摂動をカバーできる敵の脅威モデルを考える。 そこで本研究では,その目的を実現するためのオートエンコーダベーストレーニングと,提案したハイブリッド識別世代学習を促進するための実用的なエンコーダ設計を提案する。
  論文  参考訳（メタデータ） (2023-03-24T16:03:21Z)

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。