論文の概要: Start Right, Arrive Right: Asynchronous Execution via Initial Noise Selection

• arxiv url: http://arxiv.org/abs/2606.19774v1
• Date: Thu, 18 Jun 2026 04:14:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.644028
• Title: Start Right, Arrive Right: Asynchronous Execution via Initial Noise Selection
• Title（参考訳）: スタート右、アリーブ右:初期雑音選択による非同期実行
• Authors: Trong-Bao Ho, Quang-Tan Nguyen, Thien-Loc Ha, Gia-Binh Nguyen, Viet-Thanh Nguyen, Long Dinh, Minh N. Vu, Duy M. H. Nguyen, An Thai Le, Ngo Anh Vien,
• Abstract要約: アクションチャンキングは、ロボットポリシーが時間的コヒーレントな振る舞いを生み出すことを可能にする。 フローベースのポリシーでマルチステップアクションシーケンスを生成すると、リアルタイム制御と互換性のないレイテンシが発生する。 textbfPAINTは,このノイズを逆反転によって検出し,再塗装ルールによって最終チャンクを構成する,トレーニング不要な手法である。
• 参考スコア（独自算出の注目度）: 7.357958909658845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Action chunking enables robot policies to produce temporally coherent behavior, but generating multi-step action sequences with flow-based policies incurs latency that is incompatible with real-time control. Under asynchronous execution, the robot continues executing the current chunk while the next one is generated, causing even minor delays to create inconsistencies at chunk boundaries. Existing methods address this problem by steering generation toward the already executed action prefix. We instead show that prefix consistency can be achieved by selecting an appropriate initial noise before generation begins, allowing the unmodified flow ODE to produce a coherent next chunk. This reframes asynchronous inference as a noise selection problem rather than a trajectory steering problem. We introduce \textbf{PAINT}, a training-free method that finds this noise via backward Euler inversion and constructs the final chunk through a repainting rule. In summary, \texttt{PAINT} requires no gradients, retraining, or policy modification; yet it improves execution consistency and task performance across \textit{12 simulated benchmarks} and \textit{6 real-world manipulation tasks} spanning single-arm, bimanual, and humanoid embodiments. Website: ~\href{https://paint-action-chunking.github.io}{\texttt{https://paint-action-chunking.github.io}}.
• Abstract（参考訳）: アクションチャンキングにより、ロボットポリシーは時間的コヒーレントな動作を生成することができるが、フローベースのポリシーで複数ステップのアクションシーケンスを生成することで、リアルタイム制御と互換性のない遅延が発生する。 非同期実行では、ロボットが現在のチャンクを実行し続け、次のチャンクが生成される。 既存のメソッドは、すでに実行されたアクションプレフィックスに対して生成をステアリングすることでこの問題に対処する。 その代わりに、生成開始前に適切な初期ノイズを選択し、修正されていないフローODEがコヒーレントな次のチャンクを生成することで、プレフィックスの一貫性を実現することができることを示す。 これは、軌道ステアリング問題ではなく、ノイズ選択問題として非同期推論を再構成する。 我々は,このノイズを後方のEulerインバージョンを通じて検出し,再塗装ルールによって最終チャンクを構成する,トレーニング不要な方法である‘textbf{PAINT} を紹介した。 要約すると、 \texttt{PAINT} はグラデーション、リトレーニング、ポリシーの変更を必要としないが、シングルアーム、バイマティック、ヒューマノイドのエボディメントにまたがる \textit{12 simulated benchmarks} と \textit{6 の実際の操作タスク間の実行一貫性とタスクパフォーマンスを改善している。 Webサイト: ~\href{https://paint-action-chunking.github.io}{\textt{https://paint-action-chunking.github.io}}

関連論文リスト

• DiscreteRTC: Discrete Diffusion Policies are Natural Asynchronous Executors [57.944744187489185]
  外部修正をネイティブなアンマスクに置き換えるDiscreteRTCを提案する。 DiscreteRTCは、非同期のインペインティングのために0行のコードを実装するのが簡単で、スクラッチから生成したアクションに比べてわずか0.7倍の計算速度で推論が高速で、フローベースのRTCに比べて実世界の動的ピックタスクの成功率が50%向上した。
  論文  参考訳（メタデータ） (2026-04-27T23:04:03Z)
• A Physical Agentic Loop for Language-Guided Grasping with Execution-State Monitoring [5.437966695589128]
  我々は、接地された実行状態上で動作する有界な実施エージェントとして言語誘導の把握を再構築する。 未修正の学習操作プリミティブをラップする物理エージェントループを導入する。 眼内カメラD405を用いた移動マニピュレータのループを検証した。
  論文  参考訳（メタデータ） (2026-04-08T08:01:35Z)
• ABPolicy: Asynchronous B-Spline Flow Policy for Real-Time and Smooth Robotic Manipulation [17.98625177131488]
  ABPolicyは、B-スプライン制御ポイントアクション空間で動作するフローマッチングポリシーである。 非同期推論を活用することで、ABPolicyはリアルタイムの継続的更新を提供する。 実験結果から, ABPolicyは軌道ジャークを減少させ, よりスムーズな運動と性能向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2026-02-27T10:50:13Z)
• Real-Time Robot Execution with Masked Action Chunking [38.37108371991901]
  ロボットのようなサイバー物理システムにはリアルタイム実行が不可欠である。 近年,リアルタイムロボット操作のためのシステムレベルのパラダイムとして,非同期推論が登場している。 本稿では,マスクされたアクションチャンキングによって事前訓練されたポリシーの修正を学習するREMACを提案する。
  論文  参考訳（メタデータ） (2026-01-27T23:48:32Z)
• Real-Time Execution of Action Chunking Flow Policies [49.1574468325115]
  本稿では,アクションインタラクションシステムの非同期実行を可能にする新しい推論時アルゴリズムを提案する。 これは、再トレーニングなしでボックスから実行する拡散またはVLAベースのシステムに適用できる。 その結果、RTCは高速で、性能が高く、推論操作に対して一意に堅牢であることがわかった。
  論文  参考訳（メタデータ） (2025-06-09T01:01:59Z)
• Synthesizing Long-Term Human Motions with Diffusion Models via Coherent Sampling [74.62570964142063]
  テキスト・トゥ・モーション・ジェネレーションは注目されているが、既存の手法のほとんどは短期的な動きに限られている。 本稿では,2つのコヒーレントサンプリング手法を用いた過去の拡散モデルを用いた新しい手法を提案する。 提案手法は,ユーザの指示した長文ストリームによって制御された,構成的かつコヒーレントな3次元人間の動作を生成することができる。
  論文  参考訳（メタデータ） (2023-08-03T16:18:32Z)
• Acting in Delayed Environments with Non-Stationary Markov Policies [57.52103323209643]
  本稿では,MDPにおける学習と計画のためのフレームワークについて紹介する。 実行が遅れると、元の状態空間における決定論的マルコフポリシーは最大報酬を得るのに十分であるが、非定常である必要があることを証明します。 我々は、状態拡張に頼らずに遅延実行タスクを解く非定常Q学習スタイルのモデルベースアルゴリズムを考案した。
  論文  参考訳（メタデータ） (2021-01-28T13:35:37Z)

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。