論文の概要: ContextFlow: In-Context Flow Matching for Robot Manipulation

• arxiv url: http://arxiv.org/abs/2609.06852v1
• Date: Sun, 06 Sep 2026 21:53:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 04:24:52.330057
• Title: ContextFlow: In-Context Flow Matching for Robot Manipulation
• Title（参考訳）: ContextFlow:ロボット操作のためのコンテキスト内フローマッチング
• Abstract要約: 本研究では,コンテキスト内模倣学習のための連続的な動作分布を学習する条件付きフローマッチングモデルであるContextFlowを紹介する。 LIBEROでは、ContextFlowがICRTを35パーセント上回っている。 実際のロボットでは、シングルアームとバイマニュアルの両方のタスクの見当たらない構成に一般化し、新しいペンアンカッピング構成で40%の成功を達成している。
• 参考スコア（独自算出の注目度）: 91.60992853468242
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although highly effective in vision and language domains, applying in-context learning to robotics remains challenging. Existing autoregressive in-context imitation methods discretize continuous actions and exacerbate the accumulation of early prediction errors through next-token prediction, limiting their generalization on unseen task configurations. Meanwhile, flow-matching policies have been explored for continuous robot control and can help mitigate compounding errors; however, in-context imitation learning within a flow-matching framework remains underexplored. To address these limitations, we introduce ContextFlow, a conditional flow-matching model that learns continuous action distributions for in-context imitation learning. ContextFlow conditions flow-based action prediction on demonstrations and observations, enabling robust generation from noisy action distributions. To better encode multimodal in-context demonstrations, we adapt perceiver-style multimodal context compressors that distill visual, proprioceptive, and action sequences into compact, task-relevant latent representations. On LIBERO, ContextFlow outperforms ICRT by 35 percentage points in average success rate on unseen task configurations, while matching the performance of the task-specific fine-tuned VLA model $π_0$ without any fine-tuning on unseen tasks. On real robots, it generalizes to unseen configurations of both single-arm and bimanual tasks, achieving 40% success on a new pen-uncapping configuration. Project Page: https://dingjiansw101.github.io/contextflow-page/.
• Abstract（参考訳）: 視覚と言語領域では非常に効果的であるが、ロボット工学にコンテキスト内学習を適用することは依然として困難である。 既存の自己回帰的インコンテキスト模倣手法は、連続的な動作を識別し、次のトーケン予測によって早期予測エラーの蓄積を悪化させ、目に見えないタスク構成の一般化を制限する。 一方、フローマッチングポリシは、連続的なロボット制御のために検討されており、複合的なエラーを軽減するのに役立っているが、フローマッチングフレームワーク内のコンテキスト内模倣学習は、まだ未定である。 これらの制約に対処するために、コンテキスト内模倣学習のための連続的な行動分布を学習する条件付きフローマッチングモデルであるContextFlowを紹介した。 ContextFlowは、デモや観察におけるフローベースのアクション予測を条件とし、ノイズの多いアクション分布から堅牢な生成を可能にする。 マルチモーダル・イン・コンテクスト・イン・コンテクスト・デモをよりよくエンコードするために,視覚的,受容的,行動的シーケンスをコンパクトかつタスク関連な潜在表現に変換する,知覚型マルチモーダル・コンテクスト・コンプレッサーを適応させる。 LIBEROでは、ContextFlowがICRTの平均成功率を35パーセント上回り、タスク固有の微調整VLAモデルである$π_0$のパフォーマンスにマッチする。 実際のロボットでは、シングルアームとバイマニュアルの両方のタスクの見当たらない構成に一般化し、新しいペンアンカッピング構成で40%の成功を達成している。 プロジェクトページ: https://dingjiansw101.github.io/contextflow-page/.com

関連論文リスト

• VQActFlow: Vector-Quantized Action Mode Steering for Multi-Task Robot Manipulation [11.975174558402864]
  VQActFlowは、アクションチャンクをトークン化し、コードシーケンスを生成するマルチタスク操作ポリシーである。 推論時のガイダンスは、ステアモードのコミットメントに対するこの好みに作用する。 VQActFlowを3つのプラットフォーム上で評価する: LIBEROシミュレーションベンチマーク、Unitree G1ヒューマノイドが全体ピック・アンド・プレイス、ALOHAスタイルのバイマン・プラットフォームがコンタクトリッチなタスクを実行する。
  論文  参考訳（メタデータ） (2026-06-19T16:56:54Z)
• 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)
• HiFlow: Tokenization-Free Scale-Wise Autoregressive Policy Learning via Flow Matching [11.405254375363818]
  階層フロー政策(Hierarchical Flow Policy)は、トークン化のない粗大な自己回帰政策である。 HiFlowは、単純な時間プーリングを通じて、各アクションチャンクからマルチスケールの連続的なアクションターゲットを構築する。 MimicGen、RoboTwin 2.0、および実環境の実験は、HiFlowが既存のメソッドを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-03-28T14:22:58Z)
• Predicting Task Performance with Context-aware Scaling Laws [56.6850444554434]
  本稿では、トレーニング計算と提供されたコンテキストの関数として、下流のパフォーマンスを協調的にモデル化する、単純かつ解釈可能なフレームワークを提案する。 我々は,Llama-2-7BおよびLlama-2-13Bの拡張コンテキスト変種について,観測された下流性能に適合させることで,我々の枠組みを実証的に検証した。 以上の結果から,我々のフレームワークは,配信中のダウンストリーム性能を正確にモデル化し,トレーニング計算において3桁の規模で一般化し,コンテキストの増大とともに性能を確実に外挿することを示す。
  論文  参考訳（メタデータ） (2025-10-16T17:35:18Z)
• ContextNav: Towards Agentic Multimodal In-Context Learning [85.05420047017513]
  ContextNavは、自動検索のスケーラビリティと人間のようなキュレーションの品質と適応性を統合するエージェントフレームワークである。 リソースを意識したマルチモーダル埋め込みパイプラインを構築し、検索可能なベクトルデータベースを維持し、エージェント検索と構造アライメントを適用して、ノイズ耐性のあるコンテキストを構築する。 実験の結果、ContextNavはさまざまなデータセットで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-06T07:49:52Z)
• DyFlow: Dynamic Workflow Framework for Agentic Reasoning [79.19799197382478]
  DyFlowは動的ワークフロー生成フレームワークで、タスク要求とリアルタイム中間フィードバックに基づいて推論手順を適応的に構築し、調整する。 社会的推論,生物医学的タスク,数学的問題解決,コード生成など,さまざまな領域でDyFlowを体系的に評価する。 結果は、DyFlowが既存のベースラインを大幅に上回り、Pass@kの改善を実現し、さまざまなドメインにわたって堅牢な一般化を示すことを示した。
  論文  参考訳（メタデータ） (2025-09-30T10:36:23Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• ActionFlow: Equivariant, Accurate, and Efficient Policies with Spatially Symmetric Flow Matching [20.20511152176522]
  ActionFlowは、空間対称性誘導バイアスを統合するポリシークラスである。 表現レベルでは、ActionFlowはSE(3)不変トランスフォーマーアーキテクチャを導入している。 ActionFlowは、最先端の深層生成モデルであるFlow Matchingを活用する。
  論文  参考訳（メタデータ） (2024-09-06T19:30:36Z)

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。