論文の概要: Model-Based Online Decision Making via Generative Trajectory Planning

• arxiv url: http://arxiv.org/abs/2610.18677v1
• Date: Tue, 13 Oct 2026 16:35:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.683522
• Title: Model-Based Online Decision Making via Generative Trajectory Planning
• Title（参考訳）: 生成軌道計画によるモデルベースオンライン意思決定
• Abstract要約: Generative Trajectory Planning (GTP) は、モデルに基づくフレームワークであり、行動系列に対する提案分布として生成モデルを学習する。 この結果から, 生成モデルは政策ではなく, 計画のための構造化された提案分布として理解されていることが示唆された。
• 参考スコア（独自算出の注目度）: 48.99803047062337
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online decision-making faces a tension between efficient inference and long-horizon reasoning. Value-based methods rely on short-horizon bootstrapping that limits the propagation of long-term information, while trajectory optimization methods plan explicitly but must solve a high-dimensional optimization problem at every decision step. We propose Generative Trajectory Planning (GTP), a model-based framework that addresses this tension by learning a generative model as a proposal distribution over action sequences. Instead of optimizing sequences from scratch, GTP samples candidate sequences from a diffusion prior and refines them using learned dynamics, reward, and value models, enabling efficient trajectory-level reasoning. Across continuous control and long-horizon manipulation tasks, GTP matches or exceeds state-of-the-art model-free, diffusion-policy, and model-based baselines, and remains stable in regimes where strong baselines degrade. Our results suggest that generative models are best understood not as policies, but as structured proposal distributions for planning, offering a new perspective on how to integrate generative modeling with model-based decision-making.
• Abstract（参考訳）: オンライン意思決定は、効率的な推論と長期水平推論の緊張に直面している。 値に基づく手法は、長期情報の伝播を制限する短期水平ブートストラッピングに依存し、軌道最適化手法は明示的に計画するが、決定ステップ毎に高次元の最適化問題を解く必要がある。 本稿では,この緊張に対処するモデルベースフレームワークである生成軌道計画(GTP)を提案する。 配列をスクラッチから最適化する代わりに、GTPは拡散前の候補シーケンスをサンプリングし、学習されたダイナミクス、報酬、価値モデルを用いて洗練し、効率的な軌道レベルの推論を可能にする。 連続制御と長期操作のタスク全体にわたって、GTPは最先端のモデルフリー、拡散政治、モデルベースラインと一致し、強力なベースラインが劣化する状況下で安定している。 本研究は, 生成モデルが政策ではなく, 計画のための構造的提案分布として理解され, 生成モデルとモデルに基づく意思決定を統合するための新たな視点を提供するものであることを示唆する。

関連論文リスト

• Generative Actor Critic [74.04971271003869]
  Generative Actor Critic (GAC) は、軌道上での関節分布の生成モデル学習として、テキスト政治評価を反映して、シーケンシャルな意思決定を分離する新しいフレームワークである。 Gym-MuJoCoとMaze2Dベンチマークの実験では、GACの強いオフライン性能と、最先端の手法と比較してオフラインからオフラインへの大幅な改善が示されている。
  論文  参考訳（メタデータ） (2025-12-25T06:31:11Z)
• Decision Flow Policy Optimization [53.825268058199825]
  生成モデルは、複雑なマルチモーダルな動作分布を効果的にモデル化し、連続的な動作空間において優れたロボット制御を実現することができることを示す。 従来の手法は通常、データセットからの状態条件付きアクション分布に適合する振る舞いモデルとして生成モデルを採用する。 マルチモーダルな行動分布モデリングとポリシー最適化を統合した統合フレームワークDecision Flowを提案する。
  論文  参考訳（メタデータ） (2025-05-26T03:42:20Z)
• Prior-Guided Diffusion Planning for Offline Reinforcement Learning [5.819784482811376]
  Prior Guidance(PG)は、行動閉ざされた拡散モデルに先立って標準ガウスを置き換えた新しいサンプリングフレームワークである。 我々は,潜時空間における行動規則化を適用した効率的なトレーニング戦略を提案し,PGが多種多種多種多種多種多種多様オフラインRLベンチマークにおいて最先端拡散ポリシーやプランナーより優れていることを実証的に示す。
  論文  参考訳（メタデータ） (2025-05-16T05:39:02Z)
• Bridging Model-Based Optimization and Generative Modeling via Conservative Fine-Tuning of Diffusion Models [54.132297393662654]
  本稿では,RLによる報酬モデルの最適化により,最先端拡散モデルを微調整するハイブリッド手法を提案する。 我々は、報酬モデルの補間能力を活用し、オフラインデータにおいて最良の設計を上回るアプローチの能力を実証する。
  論文  参考訳（メタデータ） (2024-05-30T03:57:29Z)
• Planning with Diffusion for Flexible Behavior Synthesis [125.24438991142573]
  我々は、できるだけ多くの軌道最適化パイプラインをモデリング問題に折り畳むことがどう見えるか検討する。 我々の技術的アプローチの核心は、軌道を反復的にデノベーションすることで計画する拡散確率モデルにある。
  論文  参考訳（メタデータ） (2022-05-20T07:02:03Z)

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。