Fugu-MT 論文翻訳(概要): ODE Policy: Robot Learning via Action Dynamics, Not Actions

論文の概要: ODE Policy: Robot Learning via Action Dynamics, Not Actions

arxiv url: http://arxiv.org/abs/2611.01729v1
Date: Sun, 01 Nov 2026 09:25:12 GMT
ステータス: 情報取得中
システム内更新日: 2026-11-03 19:46:23.848692
Title: ODE Policy: Robot Learning via Action Dynamics, Not Actions
Title（参考訳）: ODEポリシー:アクションダイナミクスによるロボット学習
Abstract要約: 本稿では,アクション自体よりもアクションのダイナミクスを学習するODEポリシーを提案する。シングルアーム、デュアルアーム、デキスタラス、ヒューマノイドロボットの14の現実世界のタスクにおいて、成功率が最も高い。
参考スコア（独自算出の注目度）: 19.683437197367894
License:
Abstract: Most robot policies, whether trained by imitation learning (IL) or reinforcement learning (RL), map observations to action values at discrete control steps and leave the continuity of physical motion to be learned implicitly. We propose ODE policy, which learns the dynamics of the action rather than the action itself. A neural ordinary differential equation (ODE) learns the vector field of the action by matching the integrated actions to the targets over short action chunks in IL and single control steps in RL. A lightweight diversity head captures multi-modal behavior by randomizing the direction of the field. At deployment, each action is integrated from the previous one, so the executed trajectory is continuous by construction. We evaluate it as a visuomotor policy, as the action head of vision-language-action (VLA) and world action models (WAMs), and as the actor of model-based RL against 14 baselines on unimanual, bimanual, dexterous, locomotion, and loco-manipulation tasks. In IL, against flow matching, it reaches 5.9$\times$ the success, 5.4$\times$ the generalization, and 3.9$\times$ the mode balance after one epoch, and generates actions 10.8$\times$ faster. It mostly moves more smoothly than human demonstrations. On 14 real-world tasks across single-arm, dual-arm, dexterous, and humanoid robots, it achieves the highest success rate. In RL, it further speeds up SuperMimic for humanoid motion tracking and smooths its actions. Efficient in learning, data, parameters, and execution, ODE policy offers a promising path to scaling robot learning.
Abstract（参考訳）: 模倣学習 (IL) や強化学習 (RL) によって訓練されたほとんどのロボットポリシーは、観察結果を個別の制御ステップでアクション値にマッピングし、物理的な動きの連続性を暗黙的に学習する。本稿では,アクション自体よりもアクションのダイナミクスを学習するODEポリシーを提案する。ニューラル常微分方程式(ODE)は、ILの短いアクションチャンクとRLの単一制御ステップ上のターゲットと統合されたアクションをマッチングすることにより、アクションのベクトル場を学習する。軽量なダイバーシティヘッドは、フィールドの向きをランダムにすることで、マルチモーダルな振る舞いをキャプチャする。デプロイ時には、各アクションは以前のアクションと統合されるため、実行された軌道は構築によって連続する。視覚・言語・行動モデル(VLA)と世界行動モデル(WAM)のアクションヘッドとして、一対一対一対二対二対二対二対二対二対二対二対二対二対二対二対二対一対一対一対一対一対一対二対二対二対二対二対二対二対二対二対二対二対二対一対一対一対一対一対一対一対一対一対一対一対一対二対二対二対二対二対二対二対二対二対二対二対二対二対二対一対一対一対一対一対一対一対一対一対一対一対一対一対一対一対一対一対一対一対一対対一対一対一対一対一対一対 ILでは、フローマッチングに対して5.9$\times$成功、5.4$\times$一般化、3.9$\times$モードバランスに到達し、10.8$\times$高速に動作を生成する。主に人間のデモよりもスムースに動く。シングルアーム、デュアルアーム、デキスタラス、ヒューマノイドロボットの14の現実世界のタスクにおいて、成功率が最も高い。 RLでは、ヒューマノイドモーショントラッキングのためのSuperMimicをさらに高速化し、動作を円滑にする。学習、データ、パラメータ、実行に有効なODEポリシは、ロボット学習をスケールするための有望なパスを提供する。

関連論文リスト

WorldLine: Action-Driven Visual Simulation for Robotic Manipulation [87.68211863253049]
実世界のロボット学習は、経験を収集し、候補行動を評価するコストに制約される。異種アクショングラウンドから学習した移動可能なダイナミクスを分離する,アクション駆動型ビジュアルシミュレータ WorldLine を紹介する。 WorldLineは、1万時間以上のアクションフリーロボットビデオから操作のダイナミクスを学び、2000時間以上のアクショントラジェクトリを使ってそれらをグラウンドする。
論文参考訳（メタデータ） (2026-09-29T17:26:22Z)
Hydra-0: Action Flow for Generalist World Modeling and Control [64.88849745875753]
Hydra-0はアクションフローを条件とした世界モデルであり、ロボットの動きをピクセルの動きとして表現している。我々の最良の構成は、90.4%のロボットモーションエラー、60.2%のオブジェクトモーションエラーを達成する。訓練されたアクションヘッドは、タスク固有の専門家ロボットのデモンストレーションを必要とせずに、得られた潜在機能を実行可能なアクションにマッピングする。
論文参考訳（メタデータ） (2026-08-18T17:59:30Z)
Flow Policy Gradients for Robot Control [67.61978635211048]
フローマッチングポリシ勾配は、より表現力のあるポリシのトレーニングと微調整に有効である。我々は、スクラッチからトレーニングを行う際に、フロー表現をどのように活用するかを示し、ベースラインよりもきめ細やかな堅牢性を改善する。
論文参考訳（メタデータ） (2026-02-02T18:56:49Z)
ViPRA: Video Prediction for Robot Actions [33.310474967770894]
我々は、アクションレスビデオから連続ロボット制御を学ぶためのフレームワークViPRA(Video Prediction for Robot Actions)を提案する。アクションを直接予測する代わりに、将来の視覚的観察と動き中心の潜伏行動の両方を予測するためにビデオ言語モデルを訓練する。下流制御では,潜時動作をロボット固有の連続動作シーケンスにマッピングするチャンクフローマッチングデコーダを導入する。
論文参考訳（メタデータ） (2025-11-11T01:33:03Z)
DemoDiffusion: One-Shot Human Imitation using pre-trained Diffusion Policy [33.18108154271181]
ロボットが自然環境下で操作タスクを実行できるシンプルでスケーラブルな方法であるDemoDiffusionを提案する。まず、人間の実演における手の動きは、ロボットのエンドエフェクター軌道に有用な事前情報を提供する。第二に、この再ターゲティングされた動きはタスクの全体構造をキャプチャするが、コンテキスト内でのもっともらしいロボットの動作とうまく一致しないかもしれない。
論文参考訳（メタデータ） (2025-06-25T17:59:01Z)
AMPLIFY: Actionless Motion Priors for Robot Learning from Videos [29.799207502031496]
AMPLIFYは,大規模ビデオデータを活用する新しいフレームワークである。我々は、豊富なアクションフリービデオでフォワードダイナミクスモデルを訓練し、限られたアクションラベル付き例で逆ダイナミクスモデルを訓練する。下流の政策学習において、我々のダイナミクス予測は、低データのレシエーションにおいて1.2-2.2倍の改善を実現し、アクションフリーなヒューマンビデオから学ぶことで平均1.4倍の改善を実現し、非配布アクションデータからLIBEROタスクへの第1次一般化を可能にした。
論文参考訳（メタデータ） (2025-06-17T05:31:42Z)
FAST: Efficient Action Tokenization for Vision-Language-Action Models [98.15494168962563]
離散コサイン変換に基づくロボット動作のための圧縮に基づく新しいトークン化手法を提案する。 FASTをベースとしたFAST+は,100万個のリアルロボットアクショントラジェクトリに基づいて訓練されたユニバーサルロボットアクショントークンである。
論文参考訳（メタデータ） (2025-01-16T18:57:04Z)
Coarse-to-fine Q-Network with Action Sequence for Data-Efficient Robot Learning [62.3886343725955]
本稿では,行動列上のQ値を出力する批判ネットワークを学習する,新しい値に基づく強化学習アルゴリズムを提案する。実験により、CQN-ASは、様々なスパース逆ヒューマノイド制御およびテーブルトップ操作タスクにおいて、いくつかのベースラインより優れていることが示された。
論文参考訳（メタデータ） (2024-11-19T01:23:52Z)
Nonprehensile Planar Manipulation through Reinforcement Learning with Multimodal Categorical Exploration [8.343657309038285]
強化学習はそのようなロボットコントローラを開発するための強力なフレームワークである。分類分布を用いたマルチモーダル探索手法を提案する。学習したポリシは外部の障害や観測ノイズに対して堅牢であり、複数のプッシュ器でタスクにスケールできることが示される。
論文参考訳（メタデータ） (2023-08-04T16:55:00Z)

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。