Fugu-MT 論文翻訳(概要): Frequency-Conditioned Flow Matching for Vision-Language-Action Models

論文の概要: Frequency-Conditioned Flow Matching for Vision-Language-Action Models

arxiv url: http://arxiv.org/abs/2609.10405v1
Date: Wed, 09 Sep 2026 16:24:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:09.109822
Title: Frequency-Conditioned Flow Matching for Vision-Language-Action Models
Title（参考訳）: ビジョン・ランゲージ・アクションモデルのための周波数制約フローマッチング
Abstract要約: 本稿では,VLAモデルのための周波数条件付きフローマッチングフレームワークであるemphFreqFMを紹介する。これは、暗黙の軌跡特性から、生成パイプライン全体にまたがる明示的な条件付け次元まで、アクション周波数を上昇させる。 LIBERO、LIBERO-Plus、VLA-Arenaの他、FreqFMはLIBERO-Plusの9.3ポイントのゲインなど、一貫してパフォーマンスを改善している。
参考スコア（独自算出の注目度）: 4.8301678754431325
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Robot actions are temporally correlated trajectories whose frequency components encode motion at different scales with highly non-uniform energy distributions. Yet Flow Matching--based vision-language-action (VLA) models typically generate actions in temporal coordinates, without explicitly modeling or systematically leveraging this frequency heterogeneity. We introduce \emph{FreqFM}, a frequency-conditioned Flow Matching framework for VLA models. It raises action frequency from an implicit trajectory property to an explicit conditioning dimension that spans the entire generation pipeline. Concretely, in DCT frequency coordinates, FreqFM constructs a spectrum-matched source distribution, adaptively balances the objective across frequencies, and constrains per-frequency guidance residuals using the corresponding reference transport scales. FreqFM integrates into existing Flow Matching action experts without changing the VLA backbone. Across LIBERO, LIBERO-Plus, and VLA-Arena, FreqFM consistently improves performance, including a 9.3-point gain on LIBERO-Plus, and further demonstrates its effectiveness on six real-robot tasks.
Abstract（参考訳）: ロボットの動作は時間的に相関した軌道であり、周波数成分は高度に一様でないエネルギー分布を持つ異なるスケールの運動を符号化する。しかし、フローマッチングに基づく視覚言語アクション(VLA)モデルは通常、この周波数の不均一性を明示的にモデル化したり体系的に利用したりすることなく、時間座標におけるアクションを生成する。 VLAモデルのための周波数条件付きフローマッチングフレームワークである \emph{FreqFM} を紹介する。これは、暗黙の軌跡特性から、生成パイプライン全体にまたがる明示的な条件付け次元まで、アクション周波数を上昇させる。具体的には、DCT周波数座標において、FreqFMはスペクトル整合源分布を構築し、周波数間で目的を適応的にバランスさせ、対応する基準輸送尺度を用いて周波数毎のガイダンス残差を制約する。 FreqFMは、VLAバックボーンを変更することなく、既存のFlow Matchingアクションエキスパートに統合される。 LIBERO、LIBERO-Plus、VLA-Arenaの他、FreqFMは、LIBERO-Plusの9.3ポイントゲインを含むパフォーマンスを一貫して改善し、6つの実ロボットタスクにおいてその効果を示す。

関連論文リスト

Frequency-Domain Multi-Modality Transportation Modeling [14.714894831849934]
本稿では、周波数領域を利用した軽量で効果的な周波数領域多重モードモデリング(FreMo)を提案する。 FreMoはモダリティのスペクトル改善をモダリティ間のシナジーから切り離し、一般的な時系列バックボーンとのプラグ・アンド・プレイ統合をサポートする。実世界のデータセットの実験によると、FreMoは一貫して最先端のベースラインを上回っている。
論文参考訳（メタデータ） (2026-07-09T13:30:42Z)
Frequency-Aware Flow Matching for Continuous and Consistent Robotic Action Generation [46.998628831231194]
既存の方法は離散化されたアクションチャンクに依存しており、不均一な制御で収集されたデモに対して脆弱である。本稿では、連続的かつ時間的に一貫した動作を出力する周波数認識フローマッチング(FAFM)を提案する。 FAFMは成功率、マルチモーダル表現性、運動の滑らか性、収束速度、機械的バイアスに対する堅牢性、混合周波数入力を改善する。
論文参考訳（メタデータ） (2026-06-18T11:58:30Z)
Frequency-Domain Regularized Adversarial Alignment for Transferable Attacks against Closed-Source MLLMs [59.973833105841685]
対向移動性を改善するための重要な課題は、異なるモデル間で共有される本質的な視覚的焦点を効果的に捉えることである。本稿では、FRA-Attackを提案する。このFRA-Attackは、周波数領域の統一正規化の観点から、両方の課題に対処する。機能アライメントのために、パッチ機能に対する高パスDCTは、冗長なグローバル構造を抑圧し、MLLMの固有の視覚的焦点を持つ高周波帯域の損失に集中する。勾配最適化のために、代用勾配を変調するテキストモデルに依存しない低パス正規化器である周波数領域勾配正規化(FGR)を導入する。
論文参考訳（メタデータ） (2026-05-20T08:15:56Z)
FeRA: Frequency-Energy Constrained Routing for Effective Diffusion Adaptation Fine-Tuning [124.5975705334805]
FeRAは、効果的な拡散適応微調整のための包括的な周波数エネルギーの枠組みを確立する。アダプタベースのチューニングスキームとシームレスに統合され、拡散バックボーンと解像度にわたってうまく一般化される。
論文参考訳（メタデータ） (2025-11-22T08:46:18Z)
FreqFlow: Long-term forecasting using lightweight flow matching [3.5235875824926346]
本稿では、周波数領域における条件付きフローマッチングを利用して決定論的MSS予測を行う新しいフレームワークであるFreqFlowを紹介する。 FreqFlowは予測問題をスペクトル領域に変換し、振幅と位相シフトをモデル化する。実世界のトラフィック速度、ボリューム、フローデータセットに関する実験は、FreqFlowが最先端の予測性能を達成することを実証している。
論文参考訳（メタデータ） (2025-11-20T14:50:13Z)
Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
論文参考訳（メタデータ） (2025-05-25T12:23:10Z)
FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems [51.15230303652732]
FLEX (F Low Expert) は、時間物理系の生成モデリングのためのバックボーンアーキテクチャである。拡散モデルにおける速度場の分散を低減し、トレーニングの安定化に役立つ。少数の特徴を2つの逆拡散ステップとして用いて、超解像および予測タスクの正確な予測を行う。
論文参考訳（メタデータ） (2025-05-23T00:07:59Z)
Frequency-Integrated Transformer for Arbitrary-Scale Super-Resolution [8.303267303436613]
暗黙の神経表現に基づく手法は、任意のスケールの超解像(ASSR)タスクにおいて顕著な機能を示した。本稿では、周波数情報を組み込んでASSR性能を向上させるためのFIT( Frequency-Integrated Transformer)と呼ばれる新しいネットワークを提案する。
論文参考訳（メタデータ） (2025-04-26T06:12:49Z)
Frequency Guidance Matters: Skeletal Action Recognition by Frequency-Aware Mixed Transformer [18.459822172890473]
骨格の周波数表現を除去するための周波数認識型アテンションモジュールを提案する。また、周波数特徴を持つ空間特徴を組み込む混合変圧器アーキテクチャも開発している。 FreqMiXFormerは3つの一般的な骨格認識データセットでSOTAを上回っている。
論文参考訳（メタデータ） (2024-07-17T05:47:27Z)
FreDF: Learning to Forecast in the Frequency Domain [54.2091536822376]
時系列モデリングは、歴史的データと将来のシーケンスの両方における自己相関による固有の課題を提示する。本稿では,周波数領域の予測学習によりラベル自己相関を緩和する周波数強調直接予測(FreDF)を提案する。
論文参考訳（メタデータ） (2024-02-04T08:23:41Z)
Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。