論文の概要: RAPAC-DP: Response-Aligned Pending-Action Compensation for Diffusion Policies under Delayed Execution

• arxiv url: http://arxiv.org/abs/2608.15924v1
• Date: Sun, 16 Aug 2026 20:39:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.470773
• Title: RAPAC-DP: Response-Aligned Pending-Action Compensation for Diffusion Policies under Delayed Execution
• Title（参考訳）: RAPAC-DP:遅延実行下における拡散反応に対する応答調整型Pending-Action補償
• Abstract要約: RAPAC-DP, 応答整合型動作補償フレームワークを提案する。 RAPAC-DPは、クラウドレスポンスが保留中のアクションシーケンスに到達する前に、既に実行にスケジュールされたアクションをエンコードする。 RAPAC-DPは、遅延のないデモンストレーションから遅延条件のサンプルを構築する。
• 参考スコア（独自算出の注目度）: 11.573387730001881
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cloud-side inference gives imitation-learning policies access to greater computational resources, but communication and computation delays can degrade control performance. To compensate for these delays, we propose RAPAC-DP, a response-aligned pending-action compensation framework designed for both diffusion- and flow-based action generators. RAPAC-DP encodes the actions already scheduled for execution before the cloud response arrives into a pending-action sequence that serves as the conditioning input to a parameter-efficient compensation pathway. When delay effects are negligible, bypassing this pathway exactly recovers the frozen base policy. For training, RAPAC-DP constructs delay-conditioned samples from delay-free demonstrations, requiring neither explicit system dynamics nor additional delayed demonstrations. At the largest fixed delay tested on Kinetix, RAPAC-DP retained 81.4% of its overall delay-free performance. At the largest fixed delay tested on each RoboMimic task, it achieved a mean success rate of 0.633 across the three tasks. These results demonstrate the effectiveness of pending-action compensation for cloud-deployed imitation-learning policies.
• Abstract（参考訳）: クラウドサイド推論は、より大きな計算リソースにアクセスする模倣学習ポリシーを提供するが、通信と計算の遅延は制御性能を低下させる可能性がある。 これらの遅延を補うために,拡散型とフロー型の両方のアクションジェネレータ用に設計された応答整合型動作補償フレームワーク RAPAC-DP を提案する。 RAPAC-DPは、クラウド応答がpending-actionシーケンスに到着する前に既に実行予定のアクションをエンコードし、パラメータ効率の補償経路への条件入力として機能する。 遅延効果が無視される場合、この経路をバイパスすることで、凍結した基本方針を正確に回復する。 RAPAC-DPは、トレーニングのために遅延のないデモンストレーションから遅延条件のサンプルを構築し、明示的なシステムダイナミクスも追加の遅延デモも必要としない。 キネティックスでテストされた最大の固定遅延では、RAAC-DPは全体の遅延なし性能の81.4%を維持した。 各RoboMimicタスクでテストされた最大の固定遅延で、3つのタスクの平均成功率は0.633に達した。 これらの結果から,クラウド展開型模倣学習政策における保留動作補償の有効性が示された。

関連論文リスト

• A Self-Triggered Agentic Push Recommendation System [77.13502692161426]
  プッシュ通知は、大規模プラットフォームにおける重要なレコメンデーションシナリオである。 本稿では,プロアクティブ・セルフトリガー・エンド・ツー・エンドのエージェント・プッシュ・レコメンデーションシステムを提案する。 STEPSはすでにDouyinに10億人以上のユーザーを抱えている。
  論文  参考訳（メタデータ） (2026-08-03T09:20:53Z)
• FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
  FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。 FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
  論文  参考訳（メタデータ） (2026-07-27T05:10:16Z)
• Delay-Empowered Causal Hierarchical Reinforcement Learning [24.381499367239858]
  Delay-Empowered Causal Hierarchical Reinforcement Learning (DECHRL)を提案する。 DECHRLは状態遷移の因果構造と関連する遅延分布の両方を明示的にモデル化する。 遅延を考慮した2DMinecraftおよびMiniGrid環境におけるDECHRLの評価を行った。
  論文  参考訳（メタデータ） (2026-05-12T15:28:32Z)
• FASTER: Rethinking Real-Time Flow VLAs [82.58822112377923]
  VLA(Vision-Language-Action)モデルを物理世界に展開するには、リアルタイム実行が不可欠である。 反応時間は、TTFA(Time to First Action)と実行地平線によって決定される一様分布に従っていることを示す。 即時反応のための高速動作サンプリング(FASTER)を提案し,この問題を克服する。
  論文  参考訳（メタデータ） (2026-03-19T17:51:37Z)
• TS-DP: Reinforcement Speculative Decoding For Temporal Adaptive Diffusion Policy Acceleration [64.32072516882947]
  拡散ポリシーは、具体的制御が優れているが、高い推論遅延と計算コストに悩まされている。 時間認識強化に基づく投機的拡散政策(TS-DP)を提案する。 TS-DPは94%以上のドラフトで最大4.17倍高速な推論を実現し、推論周波数は25Hzに達した。
  論文  参考訳（メタデータ） (2025-12-13T07:53:14Z)
• Delay-Aware Diffusion Policy: Bridging the Observation-Execution Gap in Dynamic Tasks [11.985096734655079]
  政策学習に推論遅延を明示的に組み込むためのフレームワークである遅延認識拡散政策(DA-DP)を紹介する。 DA-DPはゼロ遅延軌道を遅延補償軌道に補正し、遅延条件でポリシーを補強する。 我々は,様々なタスク,ロボット,遅延に対して,DA-DPを実証的に検証し,その成功率が遅延に気付かない方法よりも高いことを示す。
  論文  参考訳（メタデータ） (2025-12-08T16:38:14Z)
• DEER: A Delay-Resilient Framework for Reinforcement Learning with Variable Delays [26.032139258562708]
  本稿では,解釈性を効果的に向上し,ランダム遅延問題に対処するためのフレームワークである$textbfDEER (Delay-Resilient-Enhanced RL)$を提案する。 様々な遅延シナリオでは、トレーニングされたエンコーダは、追加の修正を必要とせずに、標準のRLアルゴリズムとシームレスに統合することができる。 その結果, DEER は定常およびランダムな遅延設定において最先端の RL アルゴリズムよりも優れていることを確認した。
  論文  参考訳（メタデータ） (2024-06-05T09:45:26Z)
• Tree Search-Based Policy Optimization under Stochastic Execution Delay [46.849634120584646]
  遅延実行 MDP は、状態拡張に頼ることなく、ランダムな遅延に対処する新しい形式である。 観測された遅延値から、マルコフポリシーのクラスでポリシー探索を行うのに十分であることを示す。 我々はマルコフポリシーのクラスを最適化するモデルベースのアルゴリズムであるDEZを考案した。
  論文  参考訳（メタデータ） (2024-04-08T12:19:04Z)
• Stochastic Approximation with Delayed Updates: Finite-Time Rates under Markovian Sampling [73.5602474095954]
  マルコフサンプリングの遅延更新による近似スキームの非漸近的性能について検討した。 我々の理論的な発見は、幅広いアルゴリズムの遅延の有限時間効果に光を当てた。
  論文  参考訳（メタデータ） (2024-02-19T03:08:02Z)
• Posterior Sampling with Delayed Feedback for Reinforcement Learning with Linear Function Approximation [62.969796245827006]
  Delayed-PSVI は楽観的な値に基づくアルゴリズムであり、後続サンプリングによる雑音摂動により値関数空間を探索する。 我々のアルゴリズムは、未知の遅延が存在する場合に、$widetildeO(sqrtd3H3 T + d2H2 E[tau]$最悪の後悔を実現する。 遅延LPSVIのための勾配に基づく近似サンプリングスキームをLangevin動的に組み込んだ。
  論文  参考訳（メタデータ） (2023-10-29T06:12:43Z)
• Revisiting State Augmentation methods for Reinforcement Learning with Stochastic Delays [10.484851004093919]
  本稿では,遅延を伴うマルコフ決定過程(MDP)の概念を正式に述べる。 遅延MDPは、コスト構造が大幅に単純化された(遅延なしで)等価な標準MDPに変換可能であることを示す。 この等価性を利用して、モデルフリーな遅延分解RLフレームワークを導出し、このフレームワーク上に構築された単純なRLアルゴリズムでさえ、動作や観測の遅延を伴う環境におけるほぼ最適報酬を達成することを示す。
  論文  参考訳（メタデータ） (2021-08-17T10:45:55Z)

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。