論文の概要: P3: Persistent Particle Planning for Constrained Diffusion Control
- arxiv url: http://arxiv.org/abs/2610.06002v1
- Date: Mon, 05 Oct 2026 08:56:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-09 19:34:14.153216
- Title: P3: Persistent Particle Planning for Constrained Diffusion Control
- Title（参考訳）: P3: 拘束拡散制御のための永続粒子計画法
- Abstract要約: 拡散制御のための連続モンテカルロフレームワークであるPersistent Particle Planning (P3)を紹介する。
各制御ステップでは、P3は候補軌跡をシフトして部分的に再ノイズ化し、最新の観測の下でそれらを洗練し、制約認識重み付けと再サンプリングを使用して、代替的な継続を選択する。
提案手法では, 維持計画が確実に経路に留まっているかの再騒音深度が制御できることを証明し, スクラッチからサンプリングすることで再発見するよりも, 稀で分離された経路を維持する方がはるかに少ないことを証明した。
- 参考スコア（独自算出の注目度）: 4.600772894287281
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffusion models provide expressive priors over trajectories, but adapting these priors to test-time constraints requires maintaining feasibility and consistency across successive control decisions. We introduce Persistent Particle Planning (P3), a sequential Monte Carlo framework for diffusion control that maintains a weighted population of candidate plans across replanning steps. At each control step, P3 shifts and partially re-noises the candidate trajectories, refines them under the latest observation, and uses constraint-aware weighting and resampling to select among alternative continuations without retraining the diffusion model. We consider denoising and replanning as one Feynman--Kac particle system and analyze it under an idealized repair. We prove that the re-noising depth controls how reliably a kept plan stays on its route, and that keeping a rare, well-separated route takes far fewer plans than rediscovering it by sampling from scratch. Experiments under multiple test-time constraint configurations show that population reuse reduces route switching and improves success without constraint violations. Because P3 refines earlier plans instead of redrawing them, it also needs fewer denoising iterations per replan. On maze-navigation tasks, it plans faster than both regenerated populations and methods that correct a single sampled plan by constrained optimization. Code and pretrained models are available at https://github.com/p3-username/p3-anon.
- Abstract（参考訳）: 拡散モデルはトラジェクトリよりも表現力のある事前を提供するが、これらの事前をテスト時間制約に適合させるには、連続する制御決定における実現可能性と一貫性を維持する必要がある。
本稿では,モンテカルロ連続拡散制御フレームワークであるPersistent Particle Planning (P3)を紹介する。
各制御ステップにおいて、P3は、候補軌跡をシフトして部分的に再雑音化し、最新の観測の下で洗練し、制約認識重み付けと再サンプリングを使用して、拡散モデルを再訓練することなく、代替継続の選択を行う。
我々は、ファインマン-カック粒子系を1つのファインマン-カック粒子系とみなし、それを理想的な補修の下で解析する。
提案手法では, 維持計画が確実に経路に留まっているかの再騒音深度が制御できることを証明し, スクラッチからサンプリングすることで再発見するよりも, 稀で分離された経路を維持する方がはるかに少ないことを証明した。
複数のテスト時間制約構成下での実験では、人口再利用は経路変更を減らし、制約違反を伴わずに成功を向上させる。
P3は以前の計画を再描画する代わりに改良するので、再計画ごとに分割するイテレーションも少なくする必要がある。
迷路ナビゲーションタスクでは、再生された個体群と、制約付き最適化によって単一のサンプルプランを補正する手法の両方よりも高速に計画を立てる。
コードと事前訓練されたモデルはhttps://github.com/p3-username/p3-anon.comで入手できる。
関連論文リスト
- Controlled Decoding Attacks on Black-Box LLMs [68.46062477706256]
Methodは、繰り返しサンプリングとアシスタント-継続を可能にする、テキストのみの継続インターフェイスを通じてジェイルブレイクを行うためのフレームワークである。
Risk-Gated Residual Controlは、進化する応答プレフィックスを使用して、配布の再構築と修正をいつ行うかを決定する。
Speculative Multi-Token Executionは、介入を必要としないドラフトプレフィックスの検証と受け入れによって、さらにターゲットコールを償却する。
論文 参考訳（メタデータ） (2026-09-29T07:58:49Z) - Efficient World Action Model Inference with Adaptive Intermediate States [21.241948060806934]
$mathrmWAMscriptstylemathrmACHINE$は、WAM推論のためのトレーニング不要のフレームワークである。
制御ループが進化するにつれて、推論状態を効率的かつ正確な継続のために保存し、適応する。
$mathrmWAMscriptstylemathrmACHINE$は1.47-3.05$times$speedups in Observation-to-action latencyと2.23-3.27$times$ speedups in GPU inference time per replanを達成する。
論文 参考訳（メタデータ） (2026-09-28T08:37:39Z) - LePlanner: An Iterative Amortized Controller For World Models [0.0]
本研究では,凍結したワールドモデル予測器を用いて遅延動作シーケンスの構築と洗練を学習する,償却反復制御器LePlannerを提案する。
LePlannerは、最初期の地平線で目標に達するようコントローラに促し、そこに留まるよう、到着と保持の目的で訓練されている。
成功率はPushTが98%、Reacherが100%、TwoRoomsが100%、OGBench Cubeが92%である。
論文 参考訳（メタデータ） (2026-09-12T10:01:21Z) - DiRecT: Safe Diffusion-Based Planning via Receding-Horizon Denoising [4.249024052507976]
最適制御(SOC)による拡散モデルからの制約付きサンプリングのためのトレーニング不要アルゴリズムであるDiRecTを導入する。
モデル予測制御にインスパイアされ、不利な制約付き SOC の定式化のために、リテーディング・ホライゾン・サロゲートを導出する。
実験により、DiRecTは既存の拡散ベースの計画ベースラインよりも、デプロイメントの安全性とタスクパフォーマンスを大幅に改善することが示された。
論文 参考訳（メタデータ） (2026-06-13T15:41:26Z) - Discrete Flow Matching Policy Optimization [12.864514553126186]
本稿では、Reinforcement Learning(RL)ファインチューニング離散フローマッチング(DFM)モデルの統合フレームワークを提案する。
我々のキーとなる考え方は、DFMサンプリング手順を多段階のマルコフ決定プロセスとして見ることである。
DoMinOは、前回の最高の報酬駆動ベースラインよりも強い予測エンハンサー活性とより優れたシーケンス自然性を達成する。
論文 参考訳（メタデータ） (2026-04-07T21:49:29Z) - Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。
このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。
安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
論文 参考訳（メタデータ） (2026-03-07T01:49:59Z) - Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching [66.39914384073145]
本稿では,安価な拡散サンプリング推論をステップレベル候補の再利用プールに変換する自己整合性フレームワークを提案する。
ステップレベルの再結合は、難しい問題に対して最も有益であることがわかった。
トレーニング不要のフレームワークは、6つの数学およびコーディングタスクの平均精度を最大2倍改善します。
論文 参考訳（メタデータ） (2026-02-26T11:08:39Z) - Accelerating Multi-modal LLM Gaming Performance via Input Prediction and Mishit Correction [4.323124094061299]
リアルタイムのシーケンシャル制御エージェントは、しばしば推論遅延によってボトルネックとなる。
本稿では,TD-MPC2を用いたモデルベース制御に投機的実行の予測理論を適応させるフレームワークを提案する。
提案手法は,500から282までの計画推測数を削減し,エンドツーエンドのステップ遅延を25%改善し,リターン率をわずか7.1%に抑えた強い制御性能を維持した。
論文 参考訳（メタデータ） (2025-12-19T05:34:52Z) - Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。
本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
論文 参考訳（メタデータ） (2025-03-14T17:59:41Z) - An Efficient Rehearsal Scheme for Catastrophic Forgetting Mitigation during Multi-stage Fine-tuning [55.467047686093025]
このような忘れを緩和するための一般的なアプローチは、微調整中に以前のタスクからサンプルをリハーサルすることである。
側方損傷のリハーサルを優先するサンプリング手法である textttbf mix-cd を提案する。
我々の手法は計算効率が高く、実装が容易で、計算制約のある設定においていくつかの主要な連続学習手法より優れています。
論文 参考訳（メタデータ） (2024-02-12T22:32:12Z)
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。