ノイズ空間軌道最適化によるワンステップ生成ポリシーの安全なリアルタイム誘導

- 生成ロボットポリシーの推論時ステアリング手法INSPOを提案。 - ワンステップ生成ポリシーの入力ノイズ空間で軌道最適化を行い、衝突回避や姿勢維持などの制約を満たす。 - ポリシーが誘起する状態軌道を評価しつつノイズを最適化し、生成行動を直接変更しない。 - 入力分布との整合性を促す正則化項を含み、population-based particle optimizationでオンライン求解。 - 状態・画像ベースのタスク特化ポリシーと汎用vision-language-actionポリシーに適用可能。

- 既存の推論時ステアリングは反復的なdiffusionやflowプロセスを通じた勾配ガイダンスが主流で、リアルタイム制御には計算コストが高い。 - INSPOはワンステップ生成ポリシーを対象とし、ノイズ空間での軌道最適化により低ランタイムで制約を満たす。 - best-of-Nサンプリングやaction projectionと比較してタスク成功率と制約充足を改善。 - 勾配ガイダンス生成と比べても遜色なく、より低いランタイムで動作。

- 推論時ステアリングをポリシーの入力ノイズ空間における軌道最適化問題として定式化。 - 入力ノイズを最適化し、その結果生じる状態軌道で制約を評価。 - ポリシーの入力分布との整合性を促す正則化項を導入。 - population-based particle optimizationによりオンラインで解を探索。 - 生成行動を直接修正せず、ポリシーが誘起する行動空間を探索する点が肝。

- Push-T、Can pick-and-place、LIBERO-Spatialのタスクで評価。 - 状態ベースおよび画像ベースのタスク特化ポリシーと、汎用vision-language-actionポリシーに適用。 - best-of-Nサンプリングおよびaction projectionと比較し、タスク成功率と制約充足が向上。 - 勾配ガイダンス生成と比較して、より低いランタイムで遜色ない性能を示す。

- 要旨からは不明。 - 制約の種類や一般性、計算コストの詳細、失敗事例などに関する議論は要旨では触れられていない。

- 要旨で参照/比較されている研究：gradient-guided generation、best-of-N sampling、action projection。 - 関連手法：diffusion policy、flow matching、vision-language-action policies。 - 同分野の定番：model predictive control、safe reinforcement learning。