論文の概要: MARS Policy: Multimodality Only When It Matters

• arxiv url: http://arxiv.org/abs/2605.29766v1
• Date: Thu, 28 May 2026 11:12:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.195075
• Title: MARS Policy: Multimodality Only When It Matters
• Title（参考訳）: MARSポリシー: 重要時のみ、マルチモダリティ
• Authors: Jindou Jia, Tuo An, Yuxuan Hu, Gen Li, Jingliang Li, Bohan Hou, Xiangyu Chen, Jiaqi Bai, Bofan Lyu, Jianfei Yang,
• Abstract要約: 多様なが有効な行動パターンを捉えることができるマルチモダリティは、ロボット学習における支配的なパラダイムとして、生成ポリシーの急速な台頭を促した。 本研究は, 適応型ロボットサンプリング(MARS:Modality-Adaptive Robot Smpling)ポリシーを提案する。 MARSは、生成ポリシーのマルチモーダル能力と決定論的モデルの優れたトレーニングと推論効率とのギャップを埋める。
• 参考スコア（独自算出の注目度）: 26.027481334743854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imitation learning has become a cornerstone for solving complex robotic manipulation tasks. In particular, multimodality, which enables robots to capture diverse yet valid behavioral patterns, has driven the rapid emergence of generative policies as a dominant paradigm in robot learning. However, achieving such multimodality typically relies on stochastic noise initialization and iterative denoising procedures, resulting in substantial training complexity and low inference efficiency. Meanwhile, not all phases of a robotic task inherently require behavioral diversity. Motivated by this insight, we propose the Modality-Adaptive Robot Sampling (MARS) policy, which adaptively invokes tailored stochasticity only when it is truly beneficial, while reverting to an efficient deterministic learning during single-modal phases. In other words, the proper amount of noise is injected only at the proper time. By selectively activating multimodal generation, MARS policy bridges the gap between the multimodal capability of generative policies and the superior training and inference efficiency of deterministic models. Empirical studies across 8 simulated and 4 real-world tasks demonstrate that MARS exhibits robust multimodal expressivity and high efficiency, with a 16.67% success rate improvement and an 83.20% inference latency reduction in real-world tests. Counterintuitively, MARS also outpaces deterministic policies in training efficiency on near-deterministic tasks by more effectively modeling nuanced action diversity.
• Abstract（参考訳）: 模倣学習は複雑なロボット操作タスクの解決の基盤となっている。 特に、ロボットが多様だが有効な行動パターンを捉えることができるマルチモダリティは、ロボット学習における支配的なパラダイムとして、生成ポリシーの急速な台頭を促している。 しかし、そのような多モード性を達成するには、一般に確率的雑音の初期化と反復的復調法に依存しており、結果として相当な訓練の複雑さと推論効率が低下する。 一方、ロボットタスクのすべてのフェーズが本質的に振る舞いの多様性を必要とするわけではない。 本研究の目的は,モーダリティ適応型ロボットサンプリング(MARS,Modality-Adaptive Robot Smpling)政策であり,本手法が真に有益である場合にのみ適応的に適切な確率性を呼び出すと同時に,単一モーダル段階における効率的な決定論的学習に回帰することである。 言い換えれば、適切なタイミングでのみ、適切な量のノイズが注入される。 マルチモーダル生成を選択的に活性化することにより、MARSポリシーは生成ポリシーのマルチモーダル能力と決定論的モデルの優れたトレーニングと推論効率とのギャップを埋める。 8つのシミュレーションと4つの実世界のタスクに関する実証研究により、MARSは16.67%の成功率の改善と83.20%の推論遅延を実世界のテストで減少させ、堅牢なマルチモーダル表現性と高い効率を示すことを示した。 対極的には、MARSは、ニュアンスドアクションの多様性をより効果的にモデル化することによって、ほぼ決定論的タスクの効率を訓練する決定論的ポリシーを上回ります。

関連論文リスト

• Scaling Tasks, Not Samples: Mastering Humanoid Control through Multi-Task Model-Based Reinforcement Learning [49.82882141491629]
  効果的なオンライン学習は、タスク毎のサンプル数ではなく、タスクの回数を拡大すべきである、と我々は主張する。 この体制はモデルに基づく強化学習の構造上の利点を明らかにしている。 我々は、オンライン学習のためのサンプル効率のよいマルチタスクアルゴリズムである textbfEfficientZero-Multitask (EZ-M) を用いて、このアイデアをインスタンス化する。
  論文  参考訳（メタデータ） (2026-03-02T05:07:43Z)
• Abstracting Robot Manipulation Skills via Mixture-of-Experts Diffusion Policies [13.826293542795938]
  拡散ベースのポリシーは最近、ロボット操作の強い結果を示しているが、マルチタスクシナリオへの拡張は、モデルサイズとデモのスケーリングコストの上昇によって妨げられている。 本稿では,SMP(Skill Mixture-of-Experts Policy)について紹介する。SMP(Skill Mixture-of-Experts Policy)は,SMP(Skill Mixture-of-Experts Policy)とSMP(Skill Mixture-of-Experts Policy)の2つについて述べる。 シミュレーションおよびマルチタスク学習および移動学習タスクを備えた実デュアルアームプラットフォーム上でSMPを検証し、SMPは大きな拡散ベースラインよりも高い成功率と推論コストを著しく低減する。
  論文  参考訳（メタデータ） (2026-01-29T04:17:56Z)
• Time-Unified Diffusion Policy with Action Discrimination for Robotic Manipulation [19.449168375853347]
  本稿では,行動認識機能を利用した時間統一拡散政策(TUDP)を提案する。 提案手法はRLBench上での最先端性能を,マルチビューで82.6%,シングルビューで83.8%と高い成功率で達成する。
  論文  参考訳（メタデータ） (2025-06-11T06:11:49Z)
• Guided Reinforcement Learning for Robust Multi-Contact Loco-Manipulation [12.377289165111028]
  強化学習(Reinforcement Learning, RL)は、各タスクに合わせた細かなマルコフ決定プロセス(MDP)設計を必要とすることが多い。 本研究は,マルチコンタクトロコ操作タスクの動作合成と制御に対する体系的アプローチを提案する。 モデルベース軌道から生成されたタスク毎の1つの実演のみを用いて,RLポリシーを訓練するためのタスク非依存のMDPを定義する。
  論文  参考訳（メタデータ） (2024-10-17T17:46:27Z)
• Active Fine-Tuning of Multi-Task Policies [54.65568433408307]
  AMF(Active Multi-task Fine-tuning)を提案する。 我々は,AMFの性能保証を規則性仮定で導き,複雑・高次元環境における実験的有効性を示す。
  論文  参考訳（メタデータ） (2024-10-07T13:26:36Z)
• Sparse Diffusion Policy: A Sparse, Reusable, and Flexible Policy for Robot Learning [61.294110816231886]
  我々はスパース・リユース・フレキシブル・ポリシー、スパース・ディフュージョン・ポリシー(SDP)を導入する。 SDPは、エキスパートとスキルを選択的に活性化し、モデル全体をトレーニングすることなく、効率的でタスク固有の学習を可能にする。 デモとコードはhttps://forrest-110.io/sparse_diffusion_policy/にある。
  論文  参考訳（メタデータ） (2024-07-01T17:59:56Z)
• Asynchronous Multi-Agent Reinforcement Learning for Efficient Real-Time Multi-Robot Cooperative Exploration [16.681164058779146]
  本稿では,複数のロボットが,未知の領域をできるだけ早く探索する必要がある,協調探索の課題について考察する。 既存のMARLベースの手法では、すべてのエージェントが完全に同期的に動作していると仮定して、探索効率の指標としてアクション作成ステップを採用している。 本稿では,非同期MARLソリューションであるAsynchronous Coordination Explorer (ACE)を提案する。
  論文  参考訳（メタデータ） (2023-01-09T14:53:38Z)
• Strategy Discovery and Mixture in Lifelong Learning from Heterogeneous Demonstration [1.2891210250935146]
  実証から学ぶ(LfD)アプローチは、エンドユーザに望ましい振る舞いのデモンストレーションを通じて、ロボットに新しいタスクを教えることを促す。 本稿では,異種間における共通知識を抽出する動的マルチストラテジー・リワード蒸留法(DMSRD)を提案する。 当社のパーソナライズ、フェデレーション、生涯にわたるLfDアーキテクチャは、2つの継続的制御問題におけるベンチマークを上回り、ポリシーリターンは平均77%、ログリターンは42%改善しています。
  論文  参考訳（メタデータ） (2022-02-14T20:10:25Z)

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。