論文の概要: Koopman-Accelerated Model-Based Diffusion for Real-Time Robot Control

• arxiv url: http://arxiv.org/abs/2609.28920v1
• Date: Thu, 24 Sep 2026 02:03:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.658413
• Title: Koopman-Accelerated Model-Based Diffusion for Real-Time Robot Control
• Title（参考訳）: Koopman-Accelerated Model-based Diffusion for Real-Time Robot Control (特集:ロボット・システム)
• Abstract要約: 本稿では,バイリニアクープマンモデルに基づく拡散(BK-MBD)を提案する。 提案手法は,制御ステップ毎に1回だけ,ロボットの状態を高次元空間に持ち上げる。 BK-MBDは50msの制御期間内に各計画更新を少なくとも14.7msで完了し、全ての試験で目標に達した。
• 参考スコア（独自算出の注目度）: 7.133026907988718
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Conventional model-based diffusion (MBD) achieves effective trajectory optimization by leveraging noise annealing. However, its high computational cost, primarily arising from repeated rollouts of the plant dynamics, has largely confined its use to offline settings. To address this limitation, this paper proposes bilinear Koopman model-based diffusion (BK-MBD). The proposed method lifts the robot's state into a high-dimensional space only once per control step and propagates all candidates in the lifted space thereafter, so each rollout reduces to a fixed number of matrix-vector multiplications. The lifted dynamics are bilinear, allowing the predicted input gain to vary with the robot's configuration, which a linear lifted model cannot represent. In simulation, BK-MBD completed each planning update in at most 14.7 ms within a 50 ms control period and reached the goal on every trial, whereas a linear lift almost never did. The annealed schedule improves closed-loop accuracy over fixed-noise schedules under the learned rollout. Under the exact rollout, both the annealed and fixed-narrow schedules reach every goal, indicating that annealing reduces sensitivity to surrogate-model error. BK-MBD also threaded a passage that no single convex region covers, whereas a convexified bilinear controller rarely succeeded. On a physical manipulator, BK-MBD tracked an initially unknown moving target within the control period and was the only method that met both the tracking task and the deadline. The project page is available at https://rcilab.khu.ac.kr/bkmbd/.
• Abstract（参考訳）: 従来のモデルベース拡散(MBD)は、ノイズアニールを利用して効果的な軌道最適化を実現する。 しかし、その計算コストは、主に植物力学の繰り返しのロールアウトから生じるもので、主にオフライン設定に限られている。 この制限に対処するため,両線形クープマンモデルに基づく拡散(BK-MBD)を提案する。 提案手法は,ロボットの状態を制御ステップ毎に1回だけ高次元空間に持ち上げ,その後に全候補を伝播させるので,各ロールアウトは一定数の行列ベクトル乗算に還元される。 昇降力学は双線型であり、予測された入力利得は、線形昇降モデルでは表現できないロボットの設定によって変化する。 シミュレーションでは、BK-MBDは50msの制御期間内に少なくとも14.7msの計画更新を完了し、全ての試験で目標に達したが、リニアリフトはほとんど実現しなかった。 加熱したスケジュールは、学習ロールアウト時の固定ノイズスケジュールよりもクローズドループ精度を向上させる。 正確なロールアウトでは、アニールされたスケジュールと固定狭いスケジュールの両方がすべてのゴールに到達し、アニールがサロゲートモデルの誤差に対する感度を低下させることを示す。 BK-MBDはまた、単一の凸領域がカバーしない通路をスレッド化したが、凸化された双線形コントローラは滅多に成功しなかった。 物理的マニピュレータでは、BK-MBDは制御期間中に未知の移動目標を追跡し、追跡タスクと期限の両方を満たす唯一の方法であった。 プロジェクトページはhttps://rcilab.khu.ac.kr/bkmbd/で公開されている。

関連論文リスト

• Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
  モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。 State-of-the-art merging method formulate merging as a layer-wise interference problem。 本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:00:47Z)
• Controlling Transient Amplification Improves Long-horizon Rollouts [33.85418321772749]
  ロールアウト軌道周りの過渡摂動をロールアウト誤差を駆動するメカニズムとして同定する。 可換正則化: 個々のヤコビアンの正規性欠陥を低減するために設計された2つの罰則の組み合わせを提案する。 本手法は,新しいデータを用いることなく,ERA5のFourNet気候予測を改善した。
  論文  参考訳（メタデータ） (2026-05-09T10:10:30Z)
• DexWorldModel: Causal Latent World Modeling towards Automated Learning of Embodied Tasks [54.32016216994156]
  本稿では,DINOv3特徴を生成対象として用い,視覚ノイズから相互作用意味を乱す因果潜在世界モデル(CLWM)を提案する。 メモリスケーリングを克服するため、CLWMはDual-State Test-Time Training (TTT)メモリを備えている。 EmbodiChainは、トレーニング中に物理基底軌道の無限の流れを注入することによって効率法を確立するオンラインフレームワークである。
  論文  参考訳（メタデータ） (2026-04-13T03:19:36Z)
• Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
  Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。 本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。 このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
  論文  参考訳（メタデータ） (2026-04-10T17:12:07Z)
• Bridging Discrete Planning and Continuous Execution for Redundant Robot [12.278986080239692]
  冗長マニピュレータの経路計画にはボクセルグリッド強化学習が広く採用されている。 しかし、7-DoFアーム上の点数逆キネマティクスによる直接実行は、しばしばステップサイズジッタをもたらす。 この研究は、個別の計画立案者自体を変更することなく、離散的な計画と連続的な実行の間にブリッジングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-02T13:23:54Z)
• Ada3Drift: Adaptive Training-Time Drifting for One-Step 3D Visuomotor Robotic Manipulation [53.750389076941396]
  拡散に基づくビジュモータポリシーは反復的認知を通じて多モーダルな動作分布をキャプチャするが、その高い推論遅延はリアルタイムロボット制御を制限する。 Ada3Driftは,専門家のデモモードに対して予測された行動を引き付ける訓練時間ドリフト場を学習する。 Ada3Driftは、拡散ベースの代替よりも10倍の関数評価を必要としながら、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） (2026-03-12T14:36:53Z)
• OmniSAT: Compact Action Token, Faster Auto Regression [70.70037017501357]
  我々は、コンパクトで転送可能なアクション表現を学ぶOmni Swift Action Tokenizerを紹介する。 その結果、離散トークン化はトレーニングシーケンスを6.8$times$に短縮し、ターゲットエントロピーを低下させる。
  論文  参考訳（メタデータ） (2025-10-08T03:55:24Z)
• DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
  状態推定は、高い操作性を持つ3次元物体追跡において困難である。 本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。 DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
  論文  参考訳（メタデータ） (2025-05-18T10:12:41Z)
• Deep Momentum Multi-Marginal Schr\"odinger Bridge [41.27274841596343]
  本稿では,時間的限界制約を満たすシステムに対して,スムーズな測度値アルゴリズムを学習する新しいフレームワークを提案する。 我々のアルゴリズムは、合成データセットと実世界の単一細胞RNAデータセットシーケンスの実験によって証明されたように、ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2023-03-03T07:24:38Z)

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。