Muninn: Your Trajectory Diffusion Model But Faster

著者: Gokul Puthumanaillam, Hao Jiang, Ruben Hernandez, Jose Fuentes, Paulo Padrao, Leonardo Bobadilla, Melkior Ornik · RSS 2026

ライセンス

• オープンアクセス
• 論文: CC BY 4.0

以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。

要約

Muninn は各ノイズ除去ステップでキャッシュしたデノイザ出力を再利用するかどうかを判断し、完全計算の計画からのずれに較正済みの上界を与えつつ、拡散による計画を最大 4.6x 高速化する。

重要な理由

再学習、追加データ、アーキテクチャの変更なしに既存の事前学習済み拡散プランナーとポリシーを高速化でき、蒸留モデルやより小さなモデルに重ねてさらに高速化することもできる。残りの予算は、制御器が完全計算やより安全な制御器にフォールバックするために使える実行時の信号にもなる。

課題

拡散軌道プランナーと拡散ポリシーは 1 回の計画で数十回のノイズ除去ステップを実行するため、組み込みプラットフォームや高レートの制御ループには遅すぎる。既存の高速化手法はサンプラーを変えるかネットワークを圧縮するかのいずれかで、計画品質の低下か再学習という代償を伴う。また画像生成由来の学習不要なキャッシュ手法は、その誤差が実行される軌道をどう変えるかについて何も示さない。

提案手法

Muninn は各ステップでデノイザの安価な入力段のみを実行し、その内部表現が前のステップからどれだけ変化したかをスコア化する。オフライン実行での分割コンフォーマル較正により、このスコアはキャッシュ出力を再利用した場合の誤差に対する高確率の上界に変換され、サンプラーの解析的な係数によって最終軌道のずれに対する上界に変換される。実行時には、各ステップのコストがユーザーの設定したずれの予算から支出される。予算が残っている間はデノイザ出力を再利用し、そうでなければ再計算することで、キャッシュを用いた計画は、選んだリスク水準のもとで、完全計算の計画から選んだ距離内にとどまる。

主な知見

• 拡散サンプラーは既知の解析的な更新式を持つため、ステップ t でのデノイザの誤差が最終軌道に与える影響はサンプラーの感度係数で上から抑えられる。初期のステップの方が後のステップよりも重要になりうる
• 安価な中間表現の連続するステップ間での変化から、キャッシュしたデノイザ出力が新たに計算した出力とどれだけ異なるかを予測できる
• 固定的なステップスキップやステップ数を減らしたサンプリングは、サンプラーの感度が非常に不均一であるにもかかわらず誤差を拡散時間全体に均一に分散させるため、同じレイテンシでタスク性能を失う
• 予算に基づく再利用は、追加の学習なしに、難しく雑然とした状況ではデノイザの呼び出しを多く、開けた空間では少なく使う

主な結果

• Diffuser を用いた D4RL AntMaze：レイテンシは 950 ms から 207 ms（4.6x）に、ステップあたりのデノイザ呼び出し回数は 100 から 13.0 に減少し、正規化スコアは 58.7 対 58.3 であった
• AntMaze で 250 ms のレイテンシ上限を設けた場合、Muninn のスコアは 67.6 で、957 ms を与えた完全モデルは 68.7、FewSteps は 56.1、FixedSkip は 42.5、ProbeThresh は 48.0 であった。違反確率は 0.04
• 実機、150 回の実行：BCOD 教師モデルを用いた ASV ナビゲーションでレイテンシが 60 ms から 24 ms（成功率 97.0% 対 96.8%）、GC-Diffuser を用いた Crazyflie ナビゲーションで 75 ms から 30 ms（93.0% 対 92.8%）、Diffusion Policy を用いた SO-ARM100 のマニピュレーションで 40 ms から 24 ms（82.0% 対 81.5%）
• 雑然とした環境での 7-DoF アームの計画（難）：MPD のレイテンシは 230 ms から 121 ms で成功率は 82.0% 対 81.2%、EDMP は 160 ms から 107 ms で 88.0% 対 87.5%
• 視覚運動ポリシー：DP3 Pour は 45 ms から 27 ms（成功率 98.0% 対 97.6%）、Meta-World pick-place は 30 ms から 18 ms（92.0% 対 91.5%）
• 表 I のオフライン RL ベンチマーク全体で、キャッシュを用いた計画がずれの許容値を超える確率の測定値は 0.028 から 0.049 の間にとどまった

制限事項

• 保証が成り立つのは、選んだずれの指標と較正分布に対してのみである。分布シフトの下では交換可能性の仮定が崩れてリスク制御が劣化しうるため、再較正が必要になる場合がある
• この保証が抑えるのは完全計算のプランナーからのずれであり、タスクの安全性ではない。ベースのプランナーが安全でなければ、Muninn はその安全でない挙動に近いままとなる
• 時間ステップにわたるユニオンバウンドは保守的になりうるため、リスク水準が非常に小さい場合や拡散のホライズンが長い場合には高速化の効果が下がる
• モデル内部を安価かつ情報量豊かに調べるプローブが必要であり、アーキテクチャによってはエンジニアリング上のアクセスが必要になる場合がある。サンプラー、ガイダンス、条件付けを変更すると再較正が必要になる
• ずれの予算が閉ループの安定性にどう結びつくかは、再計画のレート、追従器の頑健性、推定ノイズに依存し、今後の課題とされている。予算は状況に応じて適応するのではなく、ユーザーによって固定される

分野への影響

RSS 2026 優秀学生論文賞を受賞し、RSS 2026 優秀論文賞の最終候補にも選ばれた。著者はコード、データセット、モデルを公開している。

概要

拡散ベースの軌道プランナーは豊かでマルチモーダルなロボットの動作を合成できるが、反復的なノイズ除去のため、オンラインでの計画と制御は実用に耐えないほど遅い。既存の高速化手法はサンプラーを変更するかネットワークを圧縮するかのいずれかであり、計画の品質を犠牲にするか再学習を必要とし、しかも下流の制御リスクを考慮していない。我々は、モデルを再学習せず軌道の品質も犠牲にせずに、拡散ベースの軌道プランナーをリアルタイムのロボット用途に十分な速さにするという問題に、多様な状態空間拡散アーキテクチャにわたって機能する形で取り組む。我々の重要な洞察は、拡散軌道プランナーが利用可能な 2 つの信号を持つという点にある。1 つは内部の軌道表現がステップ間でどう変化するかを安価に調べるプローブ、もう 1 つはデノイザの誤差がサンプラーの状態更新にどう影響するかを記述する解析的な係数である。オフラインの実行で 1 つ目の信号を 2 つ目の信号に対して較正することで、キャッシュしたデノイザ出力を再利用した場合に最終軌道がどれだけずれうるかを上から抑えるステップごとのスコアが得られる。我々はこの上界を、ノイズ除去の過程で消費できる不確実性の予算として扱う。この洞察に基づき、学習不要のキャッシュラッパー Muninn を提示する。Muninn はサンプリング中にこの不確実性予算を追跡し、各拡散ステップで、予測されるずれが小さければキャッシュしたデノイザ出力を再利用し、そうでなければデノイザを再計算するという選択を行う。オフライン RL の計画（D4RL）、コンフィギュレーション空間での動作計画、視覚運動拡散ポリシーにわたる標準ベンチマークにおいて、Muninn はデノイザの評価回数を減らすことで、複数の軌道拡散プランナーと拡散ポリシーで最大 4.6× の実時間の高速化を実現し、タスク性能と安全指標を維持した。さらに Muninn は、ユーザーが選んだずれの許容値とリスク水準において、キャッシュを用いたロールアウトが完全計算の対応物から指定した距離内にとどまることを保証する。これらの効果は、リアルタイムの閉ループのナビゲーションとマニピュレーションの実機展開で検証した。コード、データセット、補足動画は https://github.com/gokulp01/Muninn で公開している。

リンク

• arXiv 2605.09999: https://arxiv.org/abs/2605.09999
• DOI 10.48550/arXiv.2605.09999: https://doi.org/10.48550/arXiv.2605.09999
• PDF: https://arxiv.org/pdf/2605.09999v1
• コード: https://github.com/gokulp01/Muninn