論文の概要: Where Should Action Generation Begin? A Learnable Source Prior for Generative Robot Policies

• arxiv url: http://arxiv.org/abs/2606.17408v1
• Date: Tue, 16 Jun 2026 01:43:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.201992
• Title: Where Should Action Generation Begin? A Learnable Source Prior for Generative Robot Policies
• Title（参考訳）: アクション生成はどこにあるべきか? 生成ロボット政策に先立つ学習可能な情報源
• Authors: Meipo Dai, Qiyuan Zhuang, He-Yang Xu, Ying-Jie Shuai, Yijun Wang, Qi Dou, Xiu-Shen Wei,
• Abstract要約: 生成ロボットポリシーは通常、観測に依存しない標準ガウス分布からアクション生成を開始する。 本稿では,標準を動作チャンク上の対角条件付きガウス形式に置き換える学習可能なソースプリエントであるLeaPを提案する。 15のRoboTwin操作タスクでは、LeaPは平均81.6%の成功率を達成し、4つのベースラインを上回った。
• 参考スコア（独自算出の注目度）: 30.223278395216397
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative robot policies typically begin action generation from an observation-independent standard Gaussian distribution, leaving the choice of source distribution underexplored. This work asks a simple question: where should action generation begin? We propose LeaP, a Learnable source Prior that replaces the standard Gaussian with a proprioception-conditioned diagonal Gaussian over action chunks. Parameterized by a lightweight MLP, LeaP jointly predicts the mean and state-adaptive variance of the source distribution, while keeping the downstream generator architecture and inference solver unchanged. This design provides an observation-informed yet stochastic initialization, allowing the generator to focus on precise action refinement rather than transporting samples from an uninformed noise source. On 15 RoboTwin manipulation tasks, LeaP achieves an average success rate of 81.6%, outperforming four representative baselines -- including deterministic-source methods, a no-prior counterpart, and a diffusion-bridge policy -- by 6.5 to 25.5 percentage points. The same prior consistently improves both flow-matching and diffusion-bridge generators, while using fewer parameters and converging faster. The advantage carries over to real-world deployment, where LeaP attains the best performance. These results suggest that the source distribution is an independent and reusable design axis for generative robot policies, complementary to the choice of generative dynamics.
• Abstract（参考訳）: 生成ロボットのポリシーは通常、観測に依存しない標準ガウス分布から行動生成を開始し、ソース分布の選択は未調査のままである。 アクション生成はどこから始めるべきか? 我々は、標準ガウスをプロプレセプション条件付き対角ガウスに置き換える学習可能なソースプリエントであるLeaPを提案する。 軽量MLPによりパラメータ化され、LeaPは、下流ジェネレータアーキテクチャと推論ソルバを維持しながら、ソース分布の平均および状態適応分散を共同で予測する。 この設計は、観測インフォームドで確率的な初期化を提供するので、発電機は、非インフォームドノイズ源からサンプルを輸送するのではなく、正確な動作改善に集中することができる。 15のRoboTwin操作タスクにおいて、LeaPは平均成功率81.6%を達成し、決定論的ソースメソッド、非プライオリティ、拡散ブリッジポリシーを含む4つの代表的ベースラインを6.5から25.5ポイント上回った。 以前と同じ方法で、フローマッチングと拡散ブリッジジェネレータの両方が一貫して改善され、パラメータが少なくなり、より速く収束する。 アドバンテージは、LeaPが最高のパフォーマンスを達成できるような、現実世界のデプロイメントに続きます。 これらの結果から, 音源分布は生成ロボット政策の独立かつ再利用可能な設計軸であり, 生成力学の選択を補完するものであることが示唆された。

関連論文リスト

• INFUSER: Influence-Guided Self-Evolution Improves Reasoning [54.101135873140066]
  2つの共進化的役割を持つ反復的協調学習フレームワークを導入する。 解答器は、生成元が提供する回答に対して標準正当性報酬で訓練される。 8B INF共進化ジェネレータは、数学とコーディングにおいて凍った32B思考ジェネレータより優れている。
  論文  参考訳（メタデータ） (2026-06-08T05:40:36Z)
• Stochastic MeanFlow Policies: One-Step Generative Control with Entropic Mirror Descent [53.828537014796574]
  オンラインの非政治強化学習(RL)は、ポリシークラスと更新ルールの2つの選択肢によって構成されている。 我々は、MeanFlow変換を通じてノイズをアクションにマッピングする一段階生成ポリシークラスであるMeanFlow Policiesを提案する。 7つのMuJoCoベンチマークで、Sは1ステップの推論効率を維持しながら、ガウスおよび生成ベースラインを改善する。
  論文  参考訳（メタデータ） (2026-05-20T15:14:14Z)
• WarmPrior: Straightening Flow-Matching Policies with Temporal Priors [31.97488393394879]
  WarmPriorはロボット操作タスクの成功率を継続的に向上させる。 我々は、この利得を、整流流における最適輸送結合の効果を反映して、よりストレートな確率経路へと遡る。
  論文  参考訳（メタデータ） (2026-05-13T18:00:01Z)
• The Model Knows, the Decoder Finds: Future Value Guided Particle Power Sampling [13.856943842803561]
  Auxiliary Particle Power Sampling (APPS) は、列レベルのパワーターゲットを部分解の集団で近似するブロックワイズ粒子アルゴリズムである。 APPSは提案訂正された電力再重み付けを用いて仮説を並列に伝播し、将来の価値誘導選択によってその生存を洗練させる。 APPSは、トレーニング不要なデコーディングの精度と実行時のトレードオフを改善し、トレーニング後のシステムとのギャップの一部は、より忠実な推論時電力近似によって回復可能であることを示唆している。
  論文  参考訳（メタデータ） (2026-05-04T10:26:34Z)
• ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
  ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。 我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-27T05:22:01Z)
• SimGR: Escaping the Pitfalls of Generative Decoding in LLM-based Recommendation [68.00727783181289]
  推薦システムの中核的な目的は、パーソナライズされたレコメンデーションを可能にするために、アイテムよりもユーザの好みの分布を正確にモデル化することである。 アイテムレベルの嗜好分布を推定する際に,既存の手法が必然的に系統的バイアスを生じさせることを観察する。 textbfSimply textbfGenerative textbfRecommendation (textbfSimGR)を提案する。
  論文  参考訳（メタデータ） (2026-02-08T07:26:52Z)
• Better Source, Better Flow: Learning Condition-Dependent Source Distribution for Flow Matching [34.811045663987805]
  拡散に基づく生成モデルに代わる有望な代替手段としてフローマッチングが登場した。 本稿では,現代テキスト・画像システムにおいて,ソース分布の原理的設計は実現可能であるだけでなく,有用であることを示す。
  論文  参考訳（メタデータ） (2026-02-05T18:08:20Z)
• Improving Out-of-Distribution Robustness of Classifiers via Generative Interpolation [56.620403243640396]
  ディープニューラルネットワークは、独立かつ同一に分散されたデータ(すなわち、d)から学習する上で、優れたパフォーマンスを達成する。 しかし、アウト・オブ・ディストリビューション(OoD)データを扱う場合、その性能は著しく低下する。 多様なOoDサンプルを合成するために,複数のドメインから学習した生成モデルを融合するための生成補間法(Generative Interpolation)を開発した。
  論文  参考訳（メタデータ） (2023-07-23T03:53:53Z)

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。