Fugu-MT 論文翻訳(概要): From Noise to Control: Parameterized Diffusion Policies

論文の概要: From Noise to Control: Parameterized Diffusion Policies

arxiv url: http://arxiv.org/abs/2606.00336v1
Date: Fri, 29 May 2026 20:21:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-02 21:34:28.295405
Title: From Noise to Control: Parameterized Diffusion Policies
Title（参考訳）: 騒音から制御へ:パラメータ化拡散政策
Abstract要約: 本研究では,学習行動多様体に埋め込まれた連続パラメータに条件付き拡散ポリシーを学習するためのフレームワークを提案する。政策重みを更新することなく、既知の戦略間の円滑な距離と、新しい制約への効率的な適応を可能にする。
参考スコア（独自算出の注目度）: 54.941343992110426
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose Parameterized Diffusion Policy (PDP), a framework for learning diffusion policies conditioned on low-dimensional, continuous parameters embedded in a learned behavior manifold. By constructing this manifold so that distances between latent representations reflect the semantic similarity between physical trajectories, we transform diffusion from a mechanism for stochastic diversity into a precise and optimizable tool for behavior steering. Our approach enables smooth interpolation between known strategies and efficient adaptation to novel constraints without updating policy weights. We demonstrate that PDP significantly improves adaptation performance on complex multimodal benchmarks in both simulated and real-robot experiments compared to standard diffusion policies, particularly in scenarios requiring the synthesis of novel behaviors.
Abstract（参考訳）: 学習行動多様体に埋め込まれた低次元連続パラメータに条件付き拡散政策を学習するためのフレームワークであるパラメータ化拡散政策(PDP)を提案する。この多様体を構成することにより、潜在表現間の距離が物理的軌跡間の意味的類似性を反映するようにし、確率的多様性のメカニズムから行動ステアリングの正確かつ最適化可能なツールへの拡散を変換する。政策重みを更新することなく、既知の戦略間のスムーズな補間と、新しい制約への効率的な適応を可能にする。シミュレーションおよび実ロボット実験において、PDPは、特に新規な振る舞いの合成を必要とするシナリオにおいて、標準拡散ポリシーと比較して、複雑なマルチモーダルベンチマークの適応性能を著しく向上することを示した。

関連論文リスト

On the Plasticity and Stability for Post-Training Large Language Models [54.757672540381236]
塑性と安定性勾配の矛盾として根本原因を同定する。本稿では,確率的衝突解決法(PCR)を提案する。 PCRはトレーニングの軌道を著しく滑らかにし、様々な推論タスクにおいて優れたパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-02-06T07:31:26Z)
Adaptive Linear Path Model-Based Diffusion [52.84663832658799]
リニアパスモデルベース拡散(LP-MBD)を導入し、分散保存スケジュールをフローマッチング線形確率パスに置き換える。また,適応型LP-MBD(ALP-MBD)を提案し,タスクの複雑さや環境条件に応じて拡散ステップやノイズレベルを調整する。
論文参考訳（メタデータ） (2026-02-02T21:33:03Z)
Contractive Diffusion Policies: Robust Action Diffusion via Contractive Score-Based Sampling with Differential Equations [19.77729438305312]
収縮拡散ポリシ(CDPs)は拡散サンプリング力学において収縮挙動を誘導する。 CDPはベースラインポリシーよりも優れており、データ不足下では顕著なメリットがある。
論文参考訳（メタデータ） (2026-01-02T23:33:59Z)
Symmetry-Aware Steering of Equivariant Diffusion Policies: Benefits and Limits [5.63508094975827]
等変拡散ポリシー(EDPs)は、拡散モデルの生成的表現性と、幾何学的対称性によって得られる強い一般化とサンプル効率を組み合わせる。本研究では, ステアリング過程における対称性の活用により, サンプル効率の大幅な向上, 値のばらつきの防止, 極めて限られた実演からEDPを訓練しても, 強力な政策改善が達成できることを示す。
論文参考訳（メタデータ） (2025-12-12T07:42:01Z)
Policy Regularized Distributionally Robust Markov Decision Processes with Linear Function Approximation [10.35045003737115]
分散シフトによる意思決定は、トレーニングとデプロイメント環境が異なる強化学習(RL)における中心的な課題である。本稿では,モデルのないオンラインポリシー最適化手法DR-RPOを提案する。 DR-RPO は,ロバストな RL における準最適境界とサンプル効率を実現し,値に基づく手法の性能に適合することを示す。
論文参考訳（メタデータ） (2025-10-16T02:56:58Z)
One-Step Flow Policy Mirror Descent [52.31612487608593]
Flow Policy Mirror Descent (FPMD)は、フローポリシー推論中の1ステップのサンプリングを可能にするオンラインRLアルゴリズムである。本手法は, 直流整合モデルにおける単段サンプリングの分散分散と離散化誤差の理論的関係を利用する。
論文参考訳（メタデータ） (2025-07-31T15:51:10Z)
Diffusion Policy Policy Optimization [37.04382170999901]
拡散ポリシー最適化(DPPO)は、拡散ポリシーを微調整するアルゴリズムフレームワークである。 DPOは、一般的なベンチマークの微調整において、最も優れた全体的なパフォーマンスと効率を達成する。 DPPOはRLファインチューニングと拡散パラメタライゼーションのユニークな相乗効果を生かしていることを示す。
論文参考訳（メタデータ） (2024-09-01T02:47:50Z)
Nonparametric Automatic Differentiation Variational Inference with Spline Approximation [7.5620760132717795]
複雑な構造を持つ分布に対するフレキシブルな後続近似を可能にする非パラメトリック近似法を開発した。広く使われている非パラメトリック推論手法と比較して,提案手法は実装が容易であり,様々なデータ構造に適応する。実験では, 複雑な後続分布の近似における提案手法の有効性を実証し, 不完全データを用いた生成モデルの性能向上を図った。
論文参考訳（メタデータ） (2024-03-10T20:22:06Z)
Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文参考訳（メタデータ） (2023-12-10T15:22:30Z)
Variance-Preserving-Based Interpolation Diffusion Models for Speech Enhancement [53.2171981279647]
本稿では,VP-および分散拡散(VE)に基づく拡散法の両方をカプセル化するフレームワークを提案する。本研究では,拡散モデルで発生する一般的な困難を解析し,性能の向上とモデルトレーニングの容易化を図る。我々は,提案手法の有効性を示すために,公開ベンチマークを用いたいくつかの手法によるモデルの評価を行った。
論文参考訳（メタデータ） (2023-06-14T14:22:22Z)
Diverse Policy Optimization for Structured Action Space [59.361076277997704]
エネルギーベースモデル(EBM)として構造化された行動空間における政策をモデル化するための多元的政策最適化(DPO)を提案する。新しい強力な生成モデルであるGFlowNetは、効率よく多様なEMMベースのポリシーサンプリングとして導入されている。 ATSCとBattleベンチマークの実験では、DPOが驚くほど多様なポリシーを効率的に発見できることが示されている。
論文参考訳（メタデータ） (2023-02-23T10:48:09Z)

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。