論文の概要: When One Step Is Enough: An Empirical Study of Euler Integration in Flow-Matching Policies

• arxiv url: http://arxiv.org/abs/2610.30735v1
• Date: Thu, 22 Oct 2026 05:05:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.21662
• Title: When One Step Is Enough: An Empirical Study of Euler Integration in Flow-Matching Policies
• Title（参考訳）: ひとつのステップが十分であるとき:フローマッチング政策におけるオイラー統合の実証的研究
• Abstract要約: フローマッチングは、現在、視覚遅延アクション(VLA)ロボットポリシーの主要なアプローチである。 標準フローマッチングの推論には、ODEを反復的に解決する必要がある。 6つのフローマッチングVLAにおいて、1ステップのアクション生成は、大規模なマルチステップサンプリングと大まかに一致している。
• 参考スコア（独自算出の注目度）: 1.554219639212902
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Flow matching is now the dominant approach for vision-language action (VLA) robot policies, thanks to its expressiveness and simple training objective. However, inference for standard flow matching requires iteratively solving an ODE, limiting the control frequency at deployment. While several works have proposed novel methods to allow for single-shot action generation, we ask whether such additional objectives are actually necessary. We find that across six flow matching VLAs, one-step action generation largely matches multi-step sampling at scale: multi-step integration confers little to no consistent advantage at inference. We empirically find that this holds as long as models are sufficiently trained and have enough capacity. Practically, the implication is that for large VLAs, the single-step policy comes essentially for free from the multi-step model, enabling low-latency deployment without retraining, distillation, or auxiliary objectives.
• Abstract（参考訳）: 現在、フローマッチングは視覚言語行動(VLA)ロボットポリシーの主要なアプローチとなっている。 しかし、標準的なフローマッチングの推論では、ODEを反復的に解決し、デプロイ時の制御頻度を制限する必要がある。 いくつかの研究がシングルショットアクション生成を可能にする新しい手法を提案しているが、そのような目的が実際に必要かどうかを問う。 6つのフローマッチングVLAにおいて、1ステップのアクション生成は、大規模なマルチステップサンプリングと大まかに一致している。 モデルが十分に訓練され、十分な能力を持っている限り、私たちはこれを実証的に捉えています。 実際には、大規模なVLAでは、単一ステップのポリシーは本質的にマルチステップモデルから解放され、再訓練や蒸留、補助的な目的を伴わずに低レイテンシのデプロイメントを可能にする。

関連論文リスト

• Quantile Head for Vision-Language-Action Models [51.02329790939691]
  我々は、中央値と正のギャップを予測し、1つの前方通過で順序付けられた境界作用量子化を形成するQuantile Headを開発する。 この量的目的は、中央値と正のギャップを予測し、1つの前方通過で順序付けられた辺りのアクション量子化を形成するQuantile Headの設計を導く。 実験の結果, この共同管理型中央値政策は, 比較手法の平均成功率が最も高いことがわかった。
  論文  参考訳（メタデータ） (2026-09-28T00:40:10Z)
• EXPO-FT: Sample-Efficient Reinforcement Learning Finetuning for Vision-Language-Action Models [84.73890225707264]
  提案するEXPO-FTは,事前学習したVLAポリシーの安定かつサンプル効率の良いRL微調整システムである。 本システムは,オンラインロボットデータの平均19.1分以内の全ての評価課題に対して,完全なタスク性能(30/30の成功)を実現する。 我々は、ロボット工学におけるVLAモデルのより広範なRLファインタニング導入を促進することを目的とした、オープンソースのロバスト性をリリースする。
  論文  参考訳（メタデータ） (2026-05-25T06:31:03Z)
• LoopVLA: Learning Sufficiency in Recurrent Refinement for Vision-Language-Action Models [13.30873593845724]
  LoopVLAは、表現の洗練、アクション予測、十分性推定を学習する、リカレントなVision-Language-Actionアーキテクチャである。 この結果から,LoopVLAはVLAポリシーの効率性向上のフロンティアを推し進め,パラメータを45%削減し,推論スループットを最大1.7倍向上させることを示した。
  論文  参考訳（メタデータ） (2026-05-11T03:51:22Z)
• Flow Matching for Offline Reinforcement Learning with Discrete Actions [18.806918500759704]
  フローマッチングを、複数の目的を持った離散的なアクション空間をサポートする一般的なフレームワークに拡張する。 具体的には,連続フローを連続時間マルコフ連鎖に置き換え,Q重み付きフローマッチングの目的を用いて学習する。 次に,多エージェント設定に設計を拡張し,因子化条件付き経路による共同行動空間の指数的成長を緩和する。
  論文  参考訳（メタデータ） (2026-02-05T19:13:44Z)
• Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
  ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。 連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。 複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
  論文  参考訳（メタデータ） (2026-02-04T05:37:09Z)
• Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
  動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。 我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
  論文  参考訳（メタデータ） (2025-12-02T14:42:54Z)
• Joint Distillation for Fast Likelihood Evaluation and Sampling in Flow-based Models [100.28111930893188]
  今日の最高の生成モデルの中には、単一の可能性を計算するために、数百から数千の神経機能評価を必要とするものもあります。 本研究では, 高速流動継手蒸留法 (F2D2) を提案し, サンプリングに必要なNFEの数を2桁に減らした。 F2D2はモジュール構造であり、既存のフローベースの数ステップサンプリングモデルと互換性がある。
  論文  参考訳（メタデータ） (2025-12-02T10:48:20Z)
• One-Step Generative Policies with Q-Learning: A Reformulation of MeanFlow [56.13949180229929]
  ノイズを直接行動にマッピングするオフライン強化学習のための一段階の生成ポリシーを,MeanFlowの残留的な再構成を通じて導入する。 本手法はオフライン・オフライン両方の強化学習環境において高い性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T06:34:17Z)
• Leveraging Constraint Violation Signals For Action-Constrained Reinforcement Learning [13.332006760984122]
  ACRL(Action-Constrained Reinforcement Learning)は、ポリシーネットワークの後にプロジェクション層を用いて行動を修正する。 近年,潜在変数と実行可能行動の異なるマッピングを学習するために,生成モデルを訓練する手法が提案されている。
  論文  参考訳（メタデータ） (2025-02-08T12:58:26Z)
• FlowPG: Action-constrained Policy Gradient with Normalizing Flows [14.98383953401637]
  ACRL(Action-Constrained reinforcement learning)は、安全クリティカルなリソース関連意思決定問題を解決するための一般的な手法である。 ACRLの最大の課題は、各ステップにおける制約を満たす有効なアクションを取るエージェントを確保することである。
  論文  参考訳（メタデータ） (2024-02-07T11:11:46Z)

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。