論文の概要: MOSS: Mode-Oriented Source Shaping for Robot Flow Matching Policies

• arxiv url: http://arxiv.org/abs/2610.22193v1
• Date: Thu, 15 Oct 2026 16:44:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.19841
• Title: MOSS: Mode-Oriented Source Shaping for Robot Flow Matching Policies
• Title（参考訳）: MOSS:ロボットフローマッチングのためのモード指向ソースシェイピング
• Abstract要約: 本稿では,モード選択を生成開始点の明示的な選択に変換するモード指向ソースシェーピング(MOSS)を提案する。 モーダリティ-強度推定器は、モード固有のソースの幾何学を適応的に制御する、局所的なマルチモーダリティの度合いを予測する。 MOSSはタスク成功率の最大100%を目標モードに設定し、10:90の不均衡データセットで90%以上の誘導率でマイノリティモードを回復し、実際のロボットでは43.3ポイントの誘導率でモード条件付きフローポリシーを超えた。
• 参考スコア（独自算出の注目度）: 24.300973442616293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In robotic manipulation, the same observation often admits multiple feasible actions. Generative policies such as diffusion and flow matching naturally capture such multimodal behaviors, yet which mode is executed is left to random sampling and cannot be actively controlled. We propose Mode-Oriented Source Shaping (MOSS), which turns mode selection into an explicit choice of where generation starts. We first reveal, both empirically and theoretically, that deterministic flow transport induces mode-dependent structure in the source space. Under ideal deterministic ODE transport, distinct behavioral modes have distinct source-space preimages, while practical approximation errors can blur their boundaries due to imbalanced data, limited model capacity, and few inference steps. Motivated by this source-space structure, MOSS constructs semantically aligned mode-specific Gaussian sources that encode mode identity in the initial noise. A modality-strength estimator predicts the local degree of multimodality, which adaptively controls the geometry of the mode-specific sources. It contracts them toward a shared Gaussian where behaviors are similar and separates them near behavioral branching points. During deployment, the desired behavior is selected at inference simply by sampling from the corresponding component. Across 6 simulated and 3 real-world manipulation tasks, MOSS steers to the target mode up to 100% of the time with high task success, recovers minority modes at over 90% guidance rate under a 10:90 imbalance dataset, and surpasses mode-conditioned flow policy by 43.3 points of guidance rate on real robots.
• Abstract（参考訳）: ロボット操作において、同じ観察は、しばしば複数の実行可能な行動を認める。 拡散やフローマッチングのような生成ポリシーは、このようなマルチモーダルな振る舞いを自然に捉えるが、どのモードが実行されるかはランダムサンプリングに委ねられ、アクティブに制御できない。 本稿では,モード選択を生成開始点の明示的な選択に変換するモード指向ソースシェーピング(MOSS)を提案する。 実験的にも理論的にも,決定論的フロー輸送がソース空間のモード依存構造を誘導することが明らかとなった。 理想的な決定論的ODEトランスポートの下では、異なる行動モードは異なるソース空間の事前イメージを持ち、実際の近似誤差は不均衡なデータ、限られたモデルキャパシティ、わずかな推論ステップによって境界を曖昧にすることができる。 このソース空間構造に動機づけられたMOSSは、初期ノイズのモードアイデンティティを符号化する意味論的に整合したモード固有ガウス情報源を構成する。 モーダリティ-強度推定器は、モード固有のソースの幾何学を適応的に制御する、局所的なマルチモーダリティの度合いを予測する。 行動は類似しており、行動分岐点付近で分離する、共有ガウス的(英語版)に向けてそれらをコントラクトする。 デプロイメント中、望ましい振る舞いは、単純に対応するコンポーネントからサンプリングすることで、推論で選択される。 シミュレーションされた6つの実世界の操作タスクと3つの実世界の操作タスクで、MOSSは高いタスク成功率で目標モードを最大100%まで操り、10:90の不均衡データセットで90%以上の誘導率でマイノリティーモードを回復し、実際のロボットで43.3ポイントの誘導率でモード条件付きフローポリシーを超える。

関連論文リスト

• Source-Lifted Flow Matching for Intervenable Multimodal Imitation [45.97335144597459]
  Source-Lifted Flow Matchingは、ソース交換可能なフローマッチングポリシーである。 Handleは、モード固有のフィールドではなく、条件付きフローのソースエンドポイントのみを選択する。
  論文  参考訳（メタデータ） (2026-07-11T08:33:04Z)
• 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)
• Model Specific Task Similarity for Vision Language Model Selection via Layer Conductance [92.72779885657373]
  本稿では,視覚エンコーダの内部関数力学におけるモデル選択の基盤となるフレームワークを提案する。 提案手法は,各タスクをレイヤワイドコンダクタンスにより表現し,エントロピー正規化アライメントによる目標条件付きブロック重要度分布を導出する。 そこで本研究では,DCD(Directional Conductance Divergence)という,ソースタスクが対象の機能ブロックをいかに効果的にカバーするかを定量化する非対称な指標を提案する。
  論文  参考訳（メタデータ） (2026-02-01T17:29:43Z)
• Sample from What You See: Visuomotor Policy Learning via Diffusion Bridge with Observation-Embedded Stochastic Differential Equation [28.95872004551021]
  拡散モデルによる模倣学習は、多モーダルな動作分布を捉えることにより、ロボット制御が進歩する。 既存のアプローチでは、拡散過程自体のダイナミックスにそれらを組み込むのではなく、デノナイジングネットワークへの高レベルな条件付け入力として観測を扱います。 本稿では,拡散ブリッジの定式化を通じて微分方程式内に観測を埋め込む生成的ビズモータポリシであるブリッジポリシーを紹介する。
  論文  参考訳（メタデータ） (2025-12-08T06:47:32Z)
• Simulating Distribution Dynamics: Liquid Temporal Feature Evolution for Single-Domain Generalized Object Detection [58.25418970608328]
  Single-Domain Generalized Object Detection (Single-DGOD)は、あるソースドメインで訓練された検出器を複数の未知のドメインに転送することを目的としている。 シングルDGODの既存の方法は通常、データの多様性を拡大するために離散的なデータ拡張や静的摂動法に依存している。 そこで本研究では,ソース領域から潜伏分布のシミュレーションに至るまでの機能の進化をシミュレートする手法を提案する。
  論文  参考訳（メタデータ） (2025-11-13T03:10:39Z)
• Discrete Flow Matching [74.04153927689313]
  本稿では,離散データ生成に特化して設計された新しい離散フローパラダイムを提案する。 我々のアプローチは、非自己回帰的な方法で高品質な離散データを生成することができる。
  論文  参考訳（メタデータ） (2024-07-22T12:33:27Z)
• T-SaS: Toward Shift-aware Dynamic Adaptation for Streaming Data [9.829993835712422]
  本稿では,突発的な分散シフトの存在下での逐次データモデリングの課題を解決することを目的とする。 具体的には、データの急激なシフトを捉えるために、離散分布モデリング変数を持つT-SaSと呼ばれるベイズフレームワークを設計する。 提案手法は,全ネットワーク上でどのニューロンを活性化すべきかを学習することで,各分布の特定のモデルパラメータを学習する。
  論文  参考訳（メタデータ） (2023-09-05T22:55:10Z)

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。