論文の概要: Optimizing H-Graph Hybridization for Diffusion-Guided RRT

• arxiv url: http://arxiv.org/abs/2609.32897v1
• Date: Sat, 26 Sep 2026 19:36:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 12:10:17.431499
• Title: Optimizing H-Graph Hybridization for Diffusion-Guided RRT
• Title（参考訳）: 拡散誘導RTにおけるH-Graphハイブリダイゼーションの最適化
• Abstract要約: 固定された事前訓練されたDiTreeモデルに対する2つの推論時多様化戦略を提案する。 我々は15の迷路シナリオにまたがるホロノミックAntMazeロボットでそれらを評価した。 その結果、推定時パラメータの変動は、パスの多様性の信頼性、トレーニング不要な源であることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sampling-based motion planners guided by diffusion models produce high-quality trajectories in a single run, yet the stochastic diversity available at inference time is left largely unexploited. We present two inference-time diversification strategies for a fixed, pretrained DiTree model, combined via H-Graph hybridization, and evaluate them on a holonomic AntMaze robot across 15 maze scenarios. The first, factorial diversity, sweeps the random seed and Diffusion Goal Bias (DGB) parameter, the second, refinement-only diversity, sweeps the diffusion refinement strength (RS) that controls how much an RRT-generated trajectory is edited. Because a single-run baseline only partially succeeds, we additionally compare H-Graph results with pool-based statistics. H-Graph improves the mean pool length of the factorial and refinement-only diversities by 18.8% and 14.5%, respectively. In addition, it also improves the best individual candidate's lengths by 9.7% and 6.8%, respectively. And last, compared with the successful baseline's trajectory length, it improves the results by 18.2% and 19.9%, respectively. These results show that inference-time parameter variation is a reliable, training-free source of path diversity, and that H-Graph hybridization reliably converts this diversity into shorter, higher quality trajectories.
• Abstract（参考訳）: 拡散モデルで導かれるサンプリングベースの運動プランナーは、単一のランで高品質な軌道を生成するが、推論時に利用できる確率的多様性はほとんど明らかにされていない。 本稿では,H-Graphハイブリダイゼーションによって組み合わされた固定トレーニング済みDiTreeモデルに対する2つの推論時間多様化戦略を提案し,それらを15の迷路シナリオにまたがるホロノミックAntMazeロボットを用いて評価する。 第1の因子的多様性は、ランダムシードと拡散ゴールバイアス(DGB)パラメータを網羅し、第2の精製のみの多様性は、RTR生成軌道の編集量を制御する拡散精製強度(RS)を網羅する。 単ランベースラインは部分的にしか成功しないため、Hグラフの結果とプールベース統計を比較する。 H-Graphは、それぞれ18.8%と14.5%の分解率と精製のみの多様性の平均プール長を改善している。 また、それぞれの候補者の長さを9.7%と6.8%に改善する。 そして最後に、成功したベースラインの軌道長と比較して、それぞれ18.2%と19.9%の改善がある。 これらの結果から, 推定時パラメータ変動は経路の多様性の信頼性, 訓練不要な源であり, H-Graphハイブリダイゼーションにより, この多様性をより短く, より高品質な軌道に変換することが示唆された。

関連論文リスト

• Diffusion enabled Optimal Transport distances for graph matching [0.4640835690336653]
  Diffusion Semi-Relaxed Fused Gromov-Wasserstein (DsrFGW) はグラフ比較の新しい手法である。 最適な転送によってノードの特徴と構造的接続を統一する。
  論文  参考訳（メタデータ） (2026-07-07T15:55:34Z)
• MAR-GRPO: Stabilized GRPO for AR-diffusion Hybrid Image Generation [24.618644100413018]
  強化学習(RL)は自己回帰(AR)と拡散モデルにうまく応用されている。 RLをハイブリッドAR拡散フレームワークに拡張することは、インターリーブ推論とノイズの多いログ確率推定のために依然として難しい。 本研究では,マスク付き自己回帰モデル(MAR)について検討し,拡散ヘッドが運動学のトレーニングにおいて重要な役割を担っていることを示す。
  論文  参考訳（メタデータ） (2026-04-08T11:30:35Z)
• Enhancing Diversity and Feasibility: Joint Population Synthesis from Multi-source Data Using Generative Models [4.73459038844245]
  本研究では,WGAN(Wasserstein Generative Adversarial Network)と勾配ペナルティを用いたマルチソースデータセットを同時に統合・合成する手法を提案する。 その結果,提案手法は逐次ベースラインより優れ,リコールは7%,精度は15%向上した。 合成個体群はエージェントベースモデル(ABM)のキー入力として機能するため、このマルチソース生成手法はABMの精度と信頼性を大幅に向上させる可能性がある。
  論文  参考訳（メタデータ） (2026-02-17T00:02:30Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Flow-GRPO: Training Flow Matching Models via Online RL [80.62659379624867]
  本稿では,オンライン政策強化学習をフローマッチングモデルに統合する最初の方法であるFlow-GRPOを提案する。 提案手法では,(1)決定論的正規微分方程式を同値な微分方程式に変換するODE-to-SDE変換と,(2)推論ステップの数を維持しながらトレーニングの段階を短縮するDenoising Reduction戦略の2つの主要な戦略を用いる。
  論文  参考訳（メタデータ） (2025-05-08T17:58:45Z)
• HI-Series Algorithms A Hybrid of Substance Diffusion Algorithm and Collaborative Filtering [2.584380721735094]
  本稿では ItemCF と拡散に基づくアプローチを統合する HI-Series アルゴリズムを提案する。 MovieLens、Netflix、RYMデータセットの実験では、HIシリーズアルゴリズムがベースモデルよりも大幅に優れていることが示されている。
  論文  参考訳（メタデータ） (2025-03-03T08:43:40Z)
• dp-GAN : Alleviating Mode Collapse in GAN via Diversity Penalty Module [24.857322699576997]
  我々は,GANのモード崩壊を軽減するために,多様性ペナルティ(dp)と呼ばれるプラグ可能なブロックを導入する。 特徴空間における画像対の類似性、すなわち2つの潜在ベクトルが異なる場合、生成元に異なる特徴を持つ2つの画像を生成するように強制する。
  論文  参考訳（メタデータ） (2021-08-05T03:41:14Z)

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。