論文の概要: Immiscible Diffusion Policy: Preserving Multimodal Robot Actions through Label-Free Noise Assignment

• arxiv url: http://arxiv.org/abs/2610.09369v2
• Date: Wed, 14 Oct 2026 05:25:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 12:10:45.307739
• Title: Immiscible Diffusion Policy: Preserving Multimodal Robot Actions through Label-Free Noise Assignment
• Title（参考訳）: イミューシブル拡散政策:ラベレスノイズアサインメントによるマルチモーダルロボット動作の保存
• Abstract要約: 我々は,データセットのモダリティと正確な内部対称性のバランスを保証しても,拡散ポリシが単一モダリティに崩壊することを示す。 Inmiscible Diffusion Policy は,比較的明確なノイズ・ツー・アクション経路を維持するために,アクション・ノイズの割り当てを利用する拡散政策に対するラベルフリーのトレーニングタイムアドオンである。
• 参考スコア（独自算出の注目度）: 65.05888282246983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When diffusion policies were first introduced, they were expected to recover multi-modal action distributions. However, we find this expectation does not always hold, as diffusion policies often collapse to a single modality even when we guarantee the balance of dataset modalities and exact within-batch symmetry. Our analysis indicates that independent action-noise pairing contributes to this failure by increasing mixing and crossing among diffusion paths, which can produce averaged denoising responses and suppress modality-specific behavior. This issue is especially severe in robot planning, where action spaces are dense and low-dimensional, significantly increasing such mixing and crossing. To alleviate this problem, we propose Immiscible Diffusion Policy, a label-free training-time add-on to diffusion policy that uses action-noise assignment to preserve relatively distinct noise-to-action routes without modifying the policy architecture or inference procedure. Across five simulated and two real-world humanoid manipulation tasks spanning state, RGB, and point-cloud observations, our method significantly improves the policy's preservation of action modalities while maintaining strong task performance. It increases the proportion of the non-dominant modality by 6.0x-14.6x across three two-modality tasks and recovers demonstrated modalities that are entirely absent from vanilla policy rollouts on both four-modality tasks. These results demonstrate that Immiscible Diffusion Policy provides a simple yet robust approach to preserving action multi-modality in general robot learning tasks.
• Abstract（参考訳）: 拡散ポリシが最初に導入されたとき、マルチモーダルな動作分布を回復することが期待された。 しかし、この期待は必ずしも持続せず、データセットのモダリティと正確な内部対称性のバランスを保証しても拡散ポリシーは単一のモダリティに崩壊することが多い。 本分析は, 拡散経路間の混合と交差を増大させることにより, 独立作用-雑音ペアリングがこの障害に寄与することを示し, 平均デノナイジング応答を発生させ, モダリティ特異的な挙動を抑制することができることを示した。 この問題は、アクション空間が密度が高く低次元であり、そのような混合と交差が著しく増加するロボット計画において特に深刻である。 この問題を軽減するために,ラベルなしのトレーニングタイムアドオンであるImmiscible Diffusion Policyを提案する。 5つのシミュレーションと2つの実世界のヒューマノイド操作タスクが、状態、RGB、点雲観測にまたがって行われており、当社の手法は、強力なタスク性能を維持しながら、ポリシーの行動モダリティの保存を著しく改善する。 非支配的モダリティの比率を3つの2つのモダリティタスクで6.0x-14.6x増加させ、両方の4つのモダリティタスクにおいてバニラ政策のロールアウトから完全に欠落しているモダリティを復元する。 これらの結果は, 一般的なロボット学習タスクにおいて, 動作の多モード性を維持するための, 単純かつ堅牢なアプローチを提供することを示す。

関連論文リスト

• Policy-Calibrated DAgger: Offline Calibrated Noise Injection for Imitation Learning [7.030620523998106]
  模倣学習で訓練されたポリシーは、時間とともにエラーを蓄積し、トレーニングディストリビューションの外でロボットがドリフトする。 そこで本稿では,最近の生成ポリシの特性を利用してポリシのノイズをオフラインに見積もる手法であるDAggerを提案する。 提案手法は,ノイズを発生させることなく,データセットアグリゲーションで訓練したポリシーを超越し,最適雑音レベルの性能に適合することを示す。
  論文  参考訳（メタデータ） (2026-09-24T18:56:04Z)
• Temporal Logic Guidance for Action-Only Diffusion Policies with World Models [0.764671395172401]
  拡散ポリシはマルチモーダルロボットの動作を可能にするが、推論時に動作モードを選択する能力に制限がある。 本研究では,STLの識別可能な評価を可能にするために,個別の学習世界モデルを用いた行動専用拡散ポリシーの新しいガイダンス手法を提案する。 これにより、再トレーニングを伴わずに制約満足度に向かっての行動が促進され、タスク性能を維持しながら制約順守が改善される。
  論文  参考訳（メタデータ） (2026-06-22T00:12:44Z)
• Diffusion Policy through Conditional Proximal Policy Optimization [6.836651088754774]
  拡散政策は、マルチモーダルな振る舞いをモデル化する強力な可能性を示している。 重要な課題は、拡散モデルの下でのアクションログのような計算の難しさである。 そこで本稿では,オンライン環境下での拡散政策を学習するための,新しい,効率的な手法を提案する。
  論文  参考訳（メタデータ） (2026-03-05T04:12:13Z)
• Primary-Fine Decoupling for Action Generation in Robotic Imitation [91.2899765310853]
  ロボット操作動作シーケンスにおけるマルチモーダル分布は、模倣学習にとって重要な課題である。 PF-DAG(プライマリ・フィン・デカップリング・フォー・アクション・ジェネレーション、プライマリ・フィン・デカップリング・フォー・アクション・ジェネレーション、プライマリ・フィン・デカップリング・フォー・アクション・ジェネレーション、プライマリ・フィン・デカップリング・フォー・アクション・ジェネレーション、プライマリ・フィン・デカップリング・フォー・アクション・ジェネレーション、プライマリ・フィン・デカップリング・フォー・アクション・ジェネレーション、PF-DAG)を提案する。 PF-DAGは、Adroit、DexArt、MetaWorldベンチマークの56タスクで最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-02-25T08:36:45Z)
• Two-Steps Diffusion Policy for Robotic Manipulation via Genetic Denoising [22.356276412952738]
  拡散モデルは、専門家のデモンストレーションを模倣してロボット操作の最先端の結果を得た。 具体的AIタスクの特定の特徴に認知過程を合わせることで、拡散ポリシーが効果的に機能できることが示される。 そこで本研究では,個体群をベースとした遺伝的デノナイジング手法を提案し,性能と安定性を両立させる。
  論文  参考訳（メタデータ） (2025-10-24T19:52:41Z)
• HybridVLA: Collaborative Diffusion and Autoregression in a Unified Vision-Language-Action Model [54.64088247291416]
  操作ポリシー設計の基本的な目的は、ロボットに人間の指示を理解し、シーンの手がかりを推論し、動的な環境で一般化されたアクションを実行することである。 近年の自己回帰的視覚言語行動(VLA)法は、視覚言語モデル(VLM)から常識推論能力を継承し、次の行動予測を行う。 拡散に基づく行動の連続的な性質と自己回帰の文脈的推論を吸収する統合フレームワークであるHybridVLAを紹介する。
  論文  参考訳（メタデータ） (2025-03-13T17:59:52Z)
• Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
  ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。 合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
  論文  参考訳（メタデータ） (2023-10-24T01:00:01Z)
• Policy Dispersion in Non-Markovian Environment [53.05904889617441]
  本稿では,非マルコフ環境下での国家行動ペアの歴史から,多様な政策の学習を試みる。 まず、ポリシー埋め込みを学習するために、トランスフォーマーベースの手法を採用する。 次に,政策埋め込みを積み重ねて分散行列を構築し,多様な政策の集合を誘導する。
  論文  参考訳（メタデータ） (2023-02-28T11:58:39Z)
• Diffusion Policies as an Expressive Policy Class for Offline Reinforcement Learning [70.20191211010847]
  オフライン強化学習(RL)は、以前に収集した静的データセットを使って最適なポリシーを学ぶことを目的としている。 本稿では,条件付き拡散モデルを用いたディフュージョンQ-ラーニング(Diffusion-QL)を提案する。 本手法はD4RLベンチマークタスクの大部分において最先端の性能を実現することができることを示す。
  論文  参考訳（メタデータ） (2022-08-12T09:54:11Z)

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。