論文の概要: Learning Foresight without Explicit Trajectories for 3D Diffusion Policies

• arxiv url: http://arxiv.org/abs/2609.20669v1
• Date: Thu, 17 Sep 2026 16:44:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.376891
• Title: Learning Foresight without Explicit Trajectories for 3D Diffusion Policies
• Title（参考訳）: 明示的軌跡を伴わない3次元拡散政策の学習の展望
• Abstract要約: 3次元拡散ポリシは、現在の観測から幾何学的に基底化されたアクションを生成するのに強い。 我々は,この予測を明示的な計画を導入することなく,シンプルかつ効果的な手段である運動傾向ガイダンスを導入する。 正確にどこに移動すべきかを告げることなく、相互作用がどこに向かっているかを知ることで、大きなメリットを享受できることを、私たちは示しています。
• 参考スコア（独自算出の注目度）: 54.692734738738885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D diffusion policies are strong at generating geometrically grounded actions from current observations, but successful manipulation requires not only knowing what motion is feasible now, but also anticipating where the interaction is heading. Existing policies largely leave such foresight to emerge implicitly from action learning. We introduce Movement Trend Guidance, a simple but effective way to provide this foresight without introducing an explicit plan. From a short observation history, the policy learns a compact latent representation of interaction evolution. During training, sparse future gripper states supervise this representation; at inference, only the latent is retained as future-oriented conditioning alongside the current observation. The latent provides global conditioning for action generation, while an additional gated FiLM branch is used only at the UNet bottleneck. Despite adding only 3.52% more parameters to DP3, our method preserves the original dense-action and receding-horizon formulation and consistently improves upon DP3 across RoboTwin2.0, LIBERO-40, and DexArt. It reaches 62.8% vs. 56.1% in 50-task RoboTwin2.0 mixed training, 71.93% vs. 37.08% on LIBERO-40, and 72.0% vs. 49.0% on five real-robot tasks. These results show that a diffusion policy can benefit substantially from knowing where an interaction is heading, without being told exactly where to move.
• Abstract（参考訳）: 3次元拡散ポリシは、現在の観測から幾何学的に基底化されたアクションを生成するのに強いが、うまく操作するには、現在どの動きが可能であるかを知るだけでなく、相互作用がどこへ向かっているかを予測する必要がある。 既存の政策は、このような見通しが行動学習から暗黙的に表れるようにしている。 我々は,この予測を明示的な計画を導入することなく,シンプルかつ効果的な手段である運動傾向ガイダンスを導入する。 短い観察の歴史から、この政策は相互作用の進化のコンパクトな潜在的表現を学ぶ。 トレーニング中、スパース・フューチャー・グリーパー状態はこの表現を監督し、推測では、潜伏者だけが現在の観察と並んで未来指向の条件付けとして保持される。 latentはアクション生成のグローバルコンディショニングを提供し、追加のゲートFiLMブランチはUNetボトルネックでのみ使用される。 DP3 に 3.52% のパラメータしか加えていないにもかかわらず、本手法は元の高密度作用と後退水平定式化を保ち、RoboTwin2.0, LIBERO-40, DexArt にまたがって DP3 を継続的に改善する。 50タスクのRoboTwin2.0混合トレーニングでは62.8%対56.1%、LIBERO-40では71.93%対37.08%、実ロボット5タスクでは72.0%対49.0%である。 これらの結果から, 拡散政策は, 正確な移動方向を告げることなく, 相互作用がどこに向かっているかを知ることで, 極めて有益であることが示唆された。

関連論文リスト

• GE-Act 2.0: Pretraining and Scaling a World-Action Model for Robotic Manipulation [63.853929983870955]
  本稿では,ジェニー・エンスペクタ法 2.0 (GE-Act 2.0) について紹介する。 制御指向オートエンコーダ(CoAE)、ワンステップビジュアルプランナー(SVP)、逆ダイナミクスモデル(IDM)を組み合わせている。 それらのコンポーネントは、知識に整合した選択最適化(KASO)で共同で訓練され、記録された行動に適合していると判断された予測された未来のみを選択することで、ミスマッチした監視を減らす。
  論文  参考訳（メタデータ） (2026-09-04T17:16:48Z)
• On-Policy Self-Distillation in Diffusion Models [89.32656931795293]
  強化学習は、拡散モデルと人間の好みやタスク固有の目的とを一致させることができるが、エンドポイント報酬は、中間的偏見予測をどのように変更すべきかを規定していない。 そこで我々は、DiffusionOPSDを、画像レベルの報酬誘導を明示的なターゲットに変換して、サンプルクエリにおけるクリーンな出力予測を行うオンライン自己蒸留フレームワークとして導入する。 SD 3.5-Mとステップ蒸留したZ-Image-Turboを用いて、2つのバックボーンと10個の評価器で20の報酬マッチング設定のうち19のファイナルホールトアウトスコアを達成した。
  論文  参考訳（メタデータ） (2026-08-25T14:55:24Z)
• ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation [6.874305530359895]
  本稿では,凍ったFast-WAMをベースとした教師から,未来を意識した行動等価表現を蒸留する高密度pi0.5ポリシーであるForeTime-VLAを紹介する。 オンラインでは、8フレームの履歴エンコーダが操作フェーズと正規化された時間-遷移とともにこのターゲットを予測する。 テストMAEは0.134119から0.130593 (2.63%)に減少し、ペアリングブートストラップ95%CI:0.82-4.48%の改善、テストL2は2.46-2.93%の遅延コストで3.02%減少する。
  論文  参考訳（メタデータ） (2026-08-21T04:40:41Z)
• VO-DP: Semantic-Geometric Adaptive Diffusion Policy for Vision-Only Robotic Manipulation [16.138701713455756]
  ビジョンオンリー・シングルビュー拡散政策学習法(VO-DP) ビジョンオンリーかつ単一視点拡散政策学習法(VO-DP)を提案する。
  論文  参考訳（メタデータ） (2025-10-17T11:01:33Z)
• DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
  高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。 DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。 当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
  論文  参考訳（メタデータ） (2024-11-27T18:03:26Z)

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。