Fugu-MT 論文翻訳(概要): Gaussian Distillation of Flow Policies

論文の概要: Gaussian Distillation of Flow Policies

arxiv url: http://arxiv.org/abs/2610.40271v1
Date: Thu, 29 Oct 2026 15:30:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 07:44:32.633934
Title: Gaussian Distillation of Flow Policies
Title（参考訳）: フローポリシのガウス蒸留
Abstract要約: フローポリシは最強のロボットコントローラのひとつであり,マルチモーダルな動作分布のモデル化に適している。本稿では,フローポリシの最終レイヤを,わずか0.02%の州でトレーニングされたガウス的読み出しに置き換えるガウス的行動読み出し(GAR)を提案する。
参考スコア（独自算出の注目度）: 17.607717519460536
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Flow policies are among the strongest robot controllers and are well suited to modelling multimodal action distributions. Our analysis shows that the continuous-action distributions of the studied flow policies are well approximated by Gaussians. We propose the Gaussian Action Readout (GAR), which replaces a flow policy's final layer with a Gaussian readout trained on just 0.02% of eligible states, while keeping the rest of the network frozen. It samples with one action-network pass, gives closed-form likelihoods, and achieves near-teacher task success at up to twice the inference speed.
Abstract（参考訳）: フローポリシは最強のロボットコントローラのひとつであり,マルチモーダルな動作分布のモデル化に適している。解析の結果, 流路政策の連続的な作用分布はガウスによってよく近似されていることがわかった。本稿では,フローポリシの最終レイヤを,ネットワークの残りの部分の凍結を維持しつつ,わずか0.02%の条件でトレーニングされたガウス的読み出しに置き換えるガウス的アクション読み出し(GAR)を提案する。 1つのアクションネットワークパスをサンプリングし、クローズドフォームの確率を与え、ほぼ教師に近いタスクの成功を最大2倍の推論速度で達成する。

関連論文リスト

Refinement-based Flow Policy Optimization [6.752424962104772]
Refinement-Based Flow Policy Optimization (RFPO)は、オンライン強化学習におけるフローポリシーをトレーニングするための新しいフレームワークである。 RFPOは、目標分布からの直接サンプルを必要とせず、Q-guidanceをポリシーに組み込む。 RFPOはモード崩壊なしで複雑なマルチモーダル構造を捕捉する。
論文参考訳（メタデータ） (2026-09-14T06:56:33Z)
Stochastic MeanFlow Policies: One-Step Generative Control with Entropic Mirror Descent [53.828537014796574]
オンラインの非政治強化学習(RL)は、ポリシークラスと更新ルールの2つの選択肢によって構成されている。我々は、MeanFlow変換を通じてノイズをアクションにマッピングする一段階生成ポリシークラスであるMeanFlow Policiesを提案する。 7つのMuJoCoベンチマークで、Sは1ステップの推論効率を維持しながら、ガウスおよび生成ベースラインを改善する。
論文参考訳（メタデータ） (2026-05-20T15:14:14Z)
Aligning Flow Map Policies with Optimal Q-Guidance [50.514994916864275]
フローマップポリシは、任意のサイズのジャンプを学習することで、高速なアクション生成のために設計されている。 FLOW MAP Q-GUIDANCE (FMQ) は, 批判誘導型信頼領域制約の下でオフラインフローマップポリシーを適用するのに最適な, 原則付きクローズドフォーム学習ターゲットである。 FMQは、オフラインからオフラインまでのRLにおける最先端のパフォーマンスを達成し、平均成功率に対して21.3%の相対的な改善により、以前のワンステップポリシーMVPを上回っている。
論文参考訳（メタデータ） (2026-05-12T17:12:29Z)
Reverse Flow Matching: A Unified Framework for Online Reinforcement Learning with Diffusion and Flow Policies [4.249024052507976]
本稿では, 直接的対象サンプルを使わずに, 拡散・流動モデルの訓練問題に厳密に対処する, 逆流マッチング (RFM) の統一フレームワークを提案する。逆推論の観点を採用することで、中間雑音サンプルが与えられた後部平均推定問題としてトレーニング対象を定式化する。このクラスでは,既存の雑音予測法と勾配探索法が2つの具体例であることを示す。
論文参考訳（メタデータ） (2026-01-13T01:58:24Z)
One-Step Flow Policy Mirror Descent [52.31612487608593]
Flow Policy Mirror Descent (FPMD)は、フローポリシー推論中の1ステップのサンプリングを可能にするオンラインRLアルゴリズムである。本手法は, 直流整合モデルにおける単段サンプリングの分散分散と離散化誤差の理論的関係を利用する。
論文参考訳（メタデータ） (2025-07-31T15:51:10Z)
FlowQ: Energy-Guided Flow Policies for Offline Reinforcement Learning [7.024739861125416]
本稿では,フローモデルのトレーニングを強化する新しいアプローチである,エネルギー誘導型フローマッチングを導入する。 FlowQは、エネルギー誘導型フローマッチングに基づくオフライン強化学習アルゴリズムである。
論文参考訳（メタデータ） (2025-05-20T09:43:05Z)
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)
Proximal Policy Optimization with Continuous Bounded Action Space via the Beta Distribution [0.0]
本研究では,このベータポリシが,OpenAIジムの2つの連続制御タスクに対して,プロキシポリシー最適化アルゴリズムによってトレーニングされた場合の動作について検討する。両方のタスクにおいて、ベータポリシーはエージェントの最終報酬の観点からはガウスポリシーよりも優れており、トレーニングプロセスの安定性とより高速な収束を示す。
論文参考訳（メタデータ） (2021-11-03T13:13:00Z)
Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文参考訳（メタデータ） (2020-11-08T17:09:37Z)

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。