論文の概要: HorizonFlow: Variable-Length Planning for Offline Goal-Conditioned RL

• arxiv url: http://arxiv.org/abs/2609.36896v1
• Date: Tue, 29 Sep 2026 07:23:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.278635
• Title: HorizonFlow: Variable-Length Planning for Offline Goal-Conditioned RL
• Title（参考訳）: HorizonFlow: オフラインゴールコンディションRLの可変長計画
• Abstract要約: HorizonFlowは、計画の長さを所定の入力ではなく生成の出力として扱う階層的なプランナーである。 比較手法の中で最も高い平均性能を達成している。
• 参考スコア（独自算出の注目度）: 3.2990108763152164
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in generative planning have made trajectory inpainting a promising approach to offline goal-conditioned reinforcement learning. However, these methods typically specify the planning horizon before generating plan content, even though the appropriate horizon depends on the route itself. A horizon that is too short can force infeasible transitions, whereas one that is too long can introduce redundant motion. We introduce HorizonFlow, a hierarchical planner that treats plan length as an output of generation rather than a prescribed input. Its subgoal route planner guides its action-prefix controller through a sequence of latent subgoals. Both components combine insertion-based generation with flow matching to jointly generate continuous plan content and length, using the partially generated plan to guide token insertion. HorizonFlow reuses the resulting length information to select candidates and steer generation toward shorter plans without a separate learned value model. Across Maze2D, Multi2D, and OGBench navigation and visual manipulation benchmarks, HorizonFlow achieves the highest average performance among the compared methods.
• Abstract（参考訳）: 生成計画の最近の進歩は、オフライン目標条件強化学習への有望なアプローチの軌跡を描き出している。 しかし,これらの手法は計画内容を生成する前に,経路自体に依存しているにもかかわらず,計画的地平面を指定するのが一般的である。 短すぎる地平線は実現不可能な遷移を強制するが、長すぎるものは冗長な動きをもたらす。 本稿では,計画長を所定の入力ではなく生成出力として扱う階層型プランナであるHorizonFlowを紹介する。 そのサブゴールルートプランナーは、潜在サブゴールのシーケンスを通じてアクションプリフィックスコントローラをガイドする。 両方のコンポーネントは挿入ベースの生成とフローマッチングを組み合わせることで、部分的に生成されたプランを使用して、継続的な計画内容と長さを共同で生成する。 HorizonFlowは、得られた長さ情報を選択候補に再利用し、個別の学習値モデルなしで短い計画に向けてステアジェネレーションを行う。 Maze2D、Multi2D、OGBenchナビゲーションおよび視覚的操作ベンチマーク全体において、HorizonFlowは比較したメソッドの中で最高の平均パフォーマンスを達成する。

関連論文リスト

• Diffusion Subgoal Planning for Long-Horizon Offline Goal-Conditioned Reinforcement Learning [61.648564263928485]
  textbfDSPは、ゴール条件付きサブゴールに対する誘導的生成推論として高レベルの計画を行う。 textbfDSPは、様々なナビゲーションや操作タスクにおいて、以前のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2026-09-28T08:22:49Z)
• HDFlow: Hierarchical Diffusion-Flow Planning for Long-horizon Tasks [11.988273046923782]
  階層的拡散フロー(HDFlow)は,新しい階層的計画フレームワークである。 HDFlowは拡散と整流モデルの強みを最適に活用し、単一パラダイム生成プランナの限界を克服する。 シミュレーションと実世界の4つの困難な家具組立作業におけるHDFlowの評価を行った。
  論文  参考訳（メタデータ） (2026-05-06T06:08:51Z)
• Long-Horizon Manipulation via Trace-Conditioned VLA Planning [55.80061850746898]
  LoHo-Manipは、短い水平VLA実行を専用のタスク管理VLMを介して長い水平命令にスケールするフレームワークである。 LoHo-Manipは、サブタスクシーケンスと明示的な完了+残り分割を軽量言語メモリとして組み合わせた、進捗対応の残計画を予測する。 実行器VLAは、レンダリングされたトレースの条件に適合し、長い水平決定を繰り返しローカル制御に変換する。
  論文  参考訳（メタデータ） (2026-04-23T17:59:04Z)
• Extendable Long-Horizon Planning via Hierarchical Multiscale Diffusion [62.91968752955649]
  本稿では,学習データよりも長い軌道計画を行うための,拡張可能な長期計画支援エージェントの課題に対処する。 より短いものを縫い合わせることで、より長い軌跡を反復的に生成する拡張法を提案する。 HM-ディフューザーは階層構造を用いてこれらの拡張軌道を訓練し、複数の時間スケールにわたるタスクを効率的に処理する。
  論文  参考訳（メタデータ） (2025-03-25T22:52:46Z)
• Diffusion Meets Options: Hierarchical Generative Skill Composition for Temporally-Extended Tasks [12.239868705130178]
  線形時間論理(LTL)によって規定された命令に基づいて計画の生成と更新を行うデータ駆動階層型フレームワークを提案する。 提案手法は,オフラインの非専門家データセットから階層的強化学習を用いて,時間的タスクを選択肢の連鎖に分解する。 バッチ生成における行列誘導後サンプリング手法を考案し,拡散生成オプションの速度と多様性を向上する。
  論文  参考訳（メタデータ） (2024-10-03T11:10:37Z)
• Skip-Plan: Procedure Planning in Instructional Videos via Condensed Action Space Learning [85.84504287685884]
  Skip-Plan(スキップ・プラン)は、訓練ビデオにおけるプロシージャ計画のための凝縮された行動空間学習法である。 アクションチェーン内の不確実なノードやエッジをスキップすることで、長いシーケンス関数と複雑なシーケンス関数を短いが信頼できるものに転送する。 我々のモデルは、凝縮された作用空間内のアクションシーケンス内で、あらゆる種類の信頼できる部分関係を探索する。
  論文  参考訳（メタデータ） (2023-10-01T08:02:33Z)
• Divide-and-Conquer Monte Carlo Tree Search For Goal-Directed Planning [78.65083326918351]
  暗黙的な逐次計画の仮定に代わるものを検討する。 本稿では,最適計画の近似を行うため,Divide-and-Conquer Monte Carlo Tree Search (DC-MCTS)を提案する。 計画順序に対するこのアルゴリズム的柔軟性は,グリッドワールドにおけるナビゲーションタスクの改善に繋がることを示す。
  論文  参考訳（メタデータ） (2020-04-23T18:08:58Z)

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。