離散行動はいつ連続制御器として優れているのか？

- ロボット基盤モデルの行動表現として、連続ベクトルが当然視されている現状に疑問を投げる研究。 - 連続と離散の行動パラメータ化を、single-step regression と multi-step flow の両変種で比較。 - from-scratch の single-task と multi-task VLA 訓練、シミュレーションと実機の両方で検証。 - 離散行動予測(最も素朴な uniform-bin quantization でも)が連続行動ポリシーと同等以上にタスク成功率で匹敵しうることを示す。

- 現代の AI モデル(LLM 等)は離散トークンを予測するが、ロボット基盤モデルは連続行動ベクトルを使うのが通説。 - 本研究はこの通説に挑戦し、連続が離散より優れるかを体系的に比較した点が新しい。 - 離散行動の課題は行動精度ではなく、時間・行動次元にわたる product-distribution 予測に起因する factorization error であると特定。 - 適切な介入(discrete flows による反復計算、classifier-free guidance による分布鋭化)で弱点を強みに変えられることを示す。

- single-step regression と multi-step flow の連続・離散両変種を比較する実験設計。 - 離散行動は uniform-bin quantization を含む離散化で表現。 - 離散 flow ポリシーに iterative computation を導入。 - classifier-free guidance による distribution sharpening を適用。 - 幾何情報を明示的に注入する試み(連続 flow matching を模した corruption processes)も検討。

- from-scratch single-task と multi-task VLA 訓練の両設定で比較。 - シミュレーションと実機ハードウェアの両方で検証。 - 全レジームで離散行動予測が連続行動ポリシーと同等以上にタスク成功率で匹敵することを確認。 - 離散 flow ポリシーが予測行動チャンク内でより応答的な行動変化を可能にすることを示す。

- 離散行動ポリシーの課題は行動精度ではなく factorization error であると議論。 - 幾何情報の明示的注入(連続 flow matching を模した corruption processes)は一貫した改善をもたらさないと報告。 - ロボット行動予測が他 AI 領域と異なる設計決定を要するという既存仮定に疑問を投げかける。 - 離散行動予測が今日の連続行動パラメータ化に代わる有力な選択肢となりうる可能性を動機づける。

- 要旨で参照/比較されている研究: LLM、robotic foundation models、VLA、single-step regression、multi-step flow、continuous flow matching、classifier-free guidance、discrete flows。 - 関連手法として continuous action parametrizations、uniform-bin quantization、product-distribution predictions が挙げられる。 - 具体的な論文名は要旨からは不明。