論文の概要: FBFM: A Training-Free Asynchronous Feedback Mechanism for Flow-Matching in World-Action Models Execution
- arxiv url: http://arxiv.org/abs/2607.29235v1
- Date: Fri, 31 Jul 2026 10:11:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.681397
- Title: FBFM: A Training-Free Asynchronous Feedback Mechanism for Flow-Matching in World-Action Models Execution
- Title（参考訳）: FBFM:World-Action Models Executionにおけるフローマッチングのためのトレーニング不要非同期フィードバックメカニズム
- Abstract要約: フィードバックフローマッチング(Feedback Flow Matching, FBFM)は、アクティブに生成されたチャンク内で再接地を行うトレーニング不要な推論機構である。
トレーニング不要であるため、このメカニズムは予期せぬ事象に対する応答性を改善し、長時間の作業におけるドリフトを抑制する。
我々は,FBFMを第2世代WAMと第2世代WAMの両方で評価した。
- 参考スコア（独自算出の注目度）: 50.18922379062543
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although world-action models (WAMs) enhance long-horizon robot control by predicting visual evolution before acting, long-horizon reliability demands repeated re-grounding in real observations--not recursive rollout. Existing WAMs address this by refreshing history or KV cache with ground-truth data between chunks. However, such chunk-wise feedback operates at a coarse temporal granularity and thus fails to correct prediction errors at the individual time-step level. To address this, we propose Feedback Flow Matching (FBFM), a training-free inference mechanism that pushes re-grounding inside the actively generated chunk. During flow matching, FBFM applies a masked pseudoinverse correction to the conditional velocity field: it leverages the preceding action chunk to guide generation of the next action chunk, and uses the image observed after executing that preceding chunk to guide the next frame prediction. This cross-chunk pairing--where feedback from one chunk arrives in time to shape the next--creates an asynchronous loop that corrects errors without waiting for chunk boundaries. Being training-free, the mechanism improves responsiveness to unexpected events and suppresses drift in long-horizon tasks. We evaluate FBFM on both a joint-generation WAM (DreamZero) and a stage-wise WAM (LingBot-VA). On selected LIBERO and RoboTwin2.0 tasks, it improves success rates by over 5% in favorable settings, and real-world robot observation-prediction diagnostics show notably better tracking. We argue that FBFM offers a new paradigm for fine-grained online correction, bridging open-loop flow generation with closed-loop real-world dynamics.
- Abstract（参考訳）: 世界行動モデル(WAM)は、行動する前に視覚的進化を予測することによって、長距離ロボットの制御を強化するが、長距離信頼性は、実際の観測において繰り返し再座を要求する-再帰的なロールアウトではない。
既存のWAMは、チャンク間のグランドトルースデータで履歴やKVキャッシュをリフレッシュすることで、この問題に対処する。
しかし、このようなチャンクワイズフィードバックは、粗い時間的粒度で動作し、個々の時間ステップレベルで予測誤差を補正することができない。
そこで我々はFBFM(Feedback Flow Matching, フィードバックフローマッチング)を提案する。
フローマッチング中、FBFMは、前回のアクションチャンクを利用して次のアクションチャンクの生成を誘導し、前回のチャンクの実行後に観察された画像を使用して次のフレーム予測を導く。
このクロスチャンクペアリング – あるチャンクからのフィードバックが到着して次のチャンクを形成する – は、チャンク境界を待たずにエラーを修正する非同期ループを生成する。
トレーニング不要であるため、このメカニズムは予期せぬ事象に対する応答性を改善し、長時間の作業におけるドリフトを抑制する。
我々は,共同世代WAM (DreamZero) とステージワイドWAM (LingBot-VA) の両方でFBFMを評価する。
選択されたLIBEROとRoboTwin2.0タスクでは、好ましい設定で成功率を5%以上向上させ、現実世界のロボットの観察・予測診断は、特に優れたトラッキングを示している。
我々は、FBFMが、クローズドループ実世界のダイナミックスでオープンループフロー生成をブリッジする、きめ細かいオンライン修正のための新しいパラダイムを提供すると論じている。
関連論文リスト
- AsyncCouple-Flow: Asynchronous Cross-Modal Coupling and Flow Matching for Spatio-Temporal Forecasting [14.101995007248997]
AsyncCouple-Flowは、物理フィールド、衛星センサー、insituセンサーなどの異質なソースを組み合わせることで、天気予報、交通予報、地球系のモデリングをサポートする。
AsyncCouple-Flowは最先端のベースラインよりも優れており、最大2つの欠落したモダリティで堅牢である。
論文 参考訳（メタデータ） (2026-09-15T03:15:14Z) - StreamPI: Streaming Multimodal Temporal Modeling for Vision-Language-Action Models [84.17128030384099]
StreamPIはストリーミングマルチモーダル時間モデリングフレームワークである。
追加パラメータを導入することなく、単一フレームのVLAに時間的推論能力を持たせる。
メモリ依存および正確な認識シナリオにまたがる実ロボットタスクの実験とシミュレーションベンチマークのLIBEROは、StreamPIが様々なタスクでpi0.5より優れていることを示した。
論文 参考訳（メタデータ） (2026-08-26T17:33:19Z) - Native Video-Action Pretraining for Generalizable Robot Control [77.59831077077176]
LingBot-VA 2.0は、エンボディメントのためにゼロから構築されたビデオアクション基盤モデルである。
高周波推論の要求を満たすため,本モデルは疎いMOEバックボーンを用いる。
現実のデプロイメントは、堅牢な基盤モデルとしてLingBot-VA 2.0を検証する。
論文 参考訳（メタデータ） (2026-07-09T16:15:43Z) - High-Fidelity One-Step Generative Visuomotor Policy via Recursive Correction, Frequency Consistency, and Contrastive Flow Matching [3.5570904967011505]
拡散や流れのマッチングのような生成モデルは、多モーダルな行動分布をモデル化することによって、ロボットビズモータポリシーを進化させた。
既存のワンステップ加速法は、生成プロセス全体を1つの大きな更新に圧縮し、空間偏差、周波数歪み、モード平均化をもたらす。
本稿では,これらの問題に3つの相補的なメカニズムで対処する,高忠実な1ステップ生成型ビズモータポリシーフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-04T13:12:38Z) - FlowBender: Feedback-Aware Training for Self-Correcting Conditional Flows [18.746098727212544]
FlowBenderは3D再構成のための新しい拡散流モデルである。
FlowBenderは、標準的な教師付きアライメントトレーニングよりも一貫して優れています。
微分可能な演算子に対して、FlowBenderのいくつかの変種を提案する。
論文 参考訳（メタデータ） (2026-06-18T15:56:07Z) - Action-Effect Memory Pretraining for Robot Manipulation [14.760244346330694]
本稿では,ロボット操作のためのアクション・エフェクト・メモリ事前学習フレームワークであるAEMを紹介する。
AEMは操作の時間的性質を目標としており、現在の観測だけでは部分観測性では不十分であることが多い。
AEMはシミュレーションと実世界の両方の環境での操作性能を継続的に改善する。
論文 参考訳（メタデータ） (2026-06-10T13:58:14Z) - OFlow: Injecting Object-Aware Temporal Flow Matching for Robust Robotic Manipulation [55.56490813640669]
VLAモデルは典型的には現在のフレームにのみ作用するが、将来の予測とオブジェクト認識推論は別々の潜在空間でしばしば学習される。
本稿では,時間的フォアシークエンスとオブジェクト認識推論を共通化することで,制約に対処するフレームワークOFlowを提案する。
提案手法は, 時間的フローマッチングを用いて将来の潜伏者を予測し, 物理的に関係のある手がかりを強調するオブジェクト認識表現に分解する。
論文 参考訳（メタデータ） (2026-04-20T06:38:01Z) - See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。
SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。
SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文 参考訳（メタデータ） (2026-03-10T07:22:51Z) - AsyncVLA: Asynchronous Flow Matching for Vision-Language-Action Models [42.73842262661805]
AsyncVLAは非同期フローマッチングVLAモデルに時間的柔軟性を導入する新しいフレームワークである。
AsyncVLAは、アクションコンテキスト認識を備えた非一様時間スケジュールでアクショントークンを生成することで、VLAモデルのバニラSFMからブレークする。
提案手法では,初期発生したアクションの信頼度を抽出する信頼性レーサを導入し,不正確なアクショントークンを選択的に洗練する。
論文 参考訳（メタデータ） (2025-11-18T05:21:11Z) - CronusVLA: Towards Efficient and Robust Manipulation via Multi-Frame Vision-Language-Action Modeling [84.51372201195132]
CronusVLAは、単一フレームのVLAモデルをマルチフレームパラダイムに拡張する統合フレームワークである。
CronusVLAは70.9%の成功率で先進的な性能と優れた堅牢性を達成する。
これらの結果は、より強力で堅牢な実世界展開のためのVLAモデルにおける効率的なマルチフレーム適応の可能性を強調している。
論文 参考訳（メタデータ） (2025-06-24T17:30:27Z) - Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。
既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。
我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-12-11T06:35:18Z) - CoMusion: Towards Consistent Stochastic Human Motion Prediction via Motion Diffusion [6.862357145175449]
本稿では,単一段階の終端拡散型HMPフレームワークであるCoMusionを提案する。
CoMusionは、スムーズな将来のポーズ予測性能が空間予測性能を改善するという洞察から着想を得ている。
提案手法はTransformer-GCNモジュール設計と分散スケジューラによって促進され,精度,現実性,一貫した動作を予測する。
論文 参考訳（メタデータ） (2023-05-21T19:31:56Z)
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。