💻 computer science

FLUX: Accelerating Cross-Embodiment Generative Navigation Policies via Rectified Flow and Static-to-Dynamic Learning

この論文は、物理的に妥当な群衆シミュレーションを含む動的ナビゲーションベンチマーク「DynBench」を提案し、その枠組み内で直線軌道による推論効率の向上と静的から動的への学習カリキュラムを採用した初のフローベース統一ナビゲーションポリシー「FLUX」を開発し、あらゆるタスクで最先端の性能と微調整なしのゼロショット実世界転移を実現したことを報告しています。

原著者： Zeying Gong, Yangyi Zhong, Yiyi Ding, Tianshuai Hu, Guoyang Zhao, Lingdong Kong, Rong Li, Jiadi You, Junwei Liang

公開日 2026-03-16

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Zeying Gong, Yangyi Zhong, Yiyi Ding, Tianshuai Hu, Guoyang Zhao, Lingdong Kong, Rong Li, Jiadi You, Junwei Liang

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

この論文は、ロボットが「人混みの中を歩く」ことと「静かな部屋を移動する」ことの両方を、**たった一つの頭脳（AI）**で上手にこなすための新しい方法「FLUX」を紹介しています。

まるで、「静かな図書館で本を探す練習」から「喧騒の駅で人混みをすり抜ける練習」へと、段階的にレベルアップするトレーニングのような物語です。

以下に、専門用語を避けて、身近な例え話で解説します。

1. 従来の問題：ロボットは「二刀流」が苦手だった

これまでのロボットは、状況によって頭脳を切り替えるのが下手でした。

静かな部屋では、ゴールに向かってまっすぐ進むのが得意なロボット。
人混みでは、人を避けながら進むのが得意な別のロボット。

これらは別々に作られていて、人混みで練習したロボットは静かな部屋では逆に迷子になったり、その逆も起こったりしました。また、新しい技術（拡散モデルなど）を使おうとすると、**「考えすぎて動きが遅い」**という問題がありました。

2. 解決策：「FLUX」という新しい頭脳

研究チームは、**「静かな環境は、人混みという環境の『特別な場合（バージョン 1.0）』に過ぎない」というアイデアに気づきました。
つまり、「まずは静かな場所で基本を学び、その後に人混みで応用を学ぶ」**という順序で訓練すれば、どんな状況でも強いロボットが作れると考えました。

① 第一段階：静かな場所での「直感的な練習」

まず、人がいない静かな部屋で、ゴールへの最短経路を学びます。
ここで使われているのが**「整流フロー（Rectified Flow）」**という技術です。

従来の方法（拡散モデル）： 霧を晴らすように、何度も何度も「少しだけ直して、また少し直して」と、ジグザグに経路を描きながらゴールを目指すので、時間がかかります。
FLUX の方法： 霧を晴らすのではなく、**「ゴールまでの一直線の道」**を思い浮かべ、まっすぐ飛ぶように経路を描きます。
結果： 従来の方法より約 30%〜47% 高速に判断できるようになり、リアルタイムで動けるようになりました。

② 第二段階：人混みでの「実戦訓練」

次に、このロボットを**「DynBench（ディンベンチ）」という新しい練習場に入れます。
これは、物理法則に基づいて「本物のように動く人形（シミュレーション）」**が歩き回る、リアルな人混みのシミュレーターです。
ここで、ロボットは「人を避けながら進む」ことを学びます。

重要な発見： 人混みで「人を避ける練習」をさせると、逆に**「静かな場所での動きもより安定する」**ことが分かりました。
なぜ？ 人混みでは、ぶつかりそうになった時に「あわてて止まったり、方向転換したりする（回復行動）」必要があります。この「あわてないで立て直す力」が、静かな場所でも無駄な動きを減らし、より賢く動けるようになったのです。

3. 驚異的な成果：形が変わっても使える！

この「FLUX」のすごいところは、**「ゼロショット転移（ゼロ・ショット・トランスファー）」という能力です。
これは、「一度もそのロボットで練習しなくても、いきなり別の種類のロボットでも同じように動ける」**という意味です。

実験では、以下の 3 種類のロボットに、全く調整（微調整）をせずにそのまま導入しました。

車輪型ロボット（安定して動く）
四足歩行ロボット（足が揺れてカメラが揺れる）
二足歩行のヒト型ロボット（バランスが難しく、カメラの位置も高い）

これら全く違う「体の形」のロボットでも、FLUX は**「人混みをすり抜け、静かな場所でもゴールにたどり着く」ことができました。まるで、「どんな体型の人間でも、同じ脳みそを使えば同じように歩ける」**ようなものです。

4. まとめ：なぜこれが画期的なのか？

速い： 従来の AI よりもっと速く判断できる（直線で行くから）。
強い： 人混みでも静かな場所でも、どちらでも最強（人混みでの練習が静かな場所の力も底上げする）。
汎用性： 車輪でも足でも、ヒト型でも、同じ頭脳で動ける。

この研究は、ロボットが私たちの生活（病院、デパート、オフィスなど）に入り込み、**「人混みの中で安全に、かつ素早く」**動ける未来への大きな一歩です。

一言で言うと：
「静かな場所で基本を学び、人混みで応用を磨くことで、**どんな状況でも、どんな体のロボットでも、瞬時に賢く動ける『万能ナビゲーター』**を作りました」というお話です。

FLUX: 整流流（Rectified Flow）と静的・動的学習によるクロス・エンボディメント生成ナビゲーションポリシーの加速

本論文は、自律移動ロボットが静的な目標到達から動的な社会的な移動まで、幅広いスキルを統合的に習得し、異なるロボット形態（車輪型、四足歩行型、二足歩行型）にゼロショットで転移できる新しい生成ナビゲーションポリシー**「FLUX」を提案するものです。また、この評価を可能にする新しいベンチマーク「DynBench」**も導入しています。

以下に、論文の技術的要点を問題定義、手法、主要な貢献、結果、意義の観点から詳細にまとめます。

1. 問題定義と背景

現実世界の視覚ナビゲーションには、静的な環境での目標到達から、人間が混在する動的な空間での安全な移動まで、多様なスキルが求められます。しかし、既存の研究は以下のような断絶（フラグメンテーション）に直面していました。

評価プロトコルの断絶: 静的環境用ポリシーは社会的制約下でテストされず、社会的ナビゲーション手法は多様なタスクや異種プラットフォームでの評価が不足している。
既存手法の限界:
- 強化学習 (RL): 特定タスクでは高性能だが、タスク間の一般化が困難。
- 模倣学習 (IL): 静的な分布では学習されるが、動的な社会的シナリオや回復行動（デッドロックからの脱出など）の学習が不十分。
- 生成モデル (Diffusion/Flow): 多様な軌道分布を捉える可能性はあるが、拡散モデルの反復的なデノイジングは推論遅延が大きく、リアルタイム制御に適さない。また、訓練分布がタスク間一般化にどう寄与するかは未解明だった。

核心となる洞察: 静的環境は動的環境の「退化した特殊ケース」である。静的な幾何学的事前知識（幾何学的プリオア）を基盤とし、それを動的な社会的相互作用で洗練させることで、より頑健なポリシーが得られると仮定しました。

2. 提案手法：FLUX

FLUX は、整流流（Rectified Flow）を基盤とした初の統一型ナビゲーションポリシーであり、「静的→動的」の段階的学習カリキュラムを採用しています。

A. 段階 1: 整流流に基づく模倣学習 (Flow-Based Imitation Learning)

整流流 (Rectified Flow) の導入: 従来の拡散モデル（DDPM）が曲がった確率輸送経路を持つため、多くのステップが必要になるのに対し、FLUX は整流流を用いて「ノイズからデータへの直線的な輸送経路」を学習します。
- 確率流を線形化することで、反復的なデノイジングを直線的な軌道に置き換え、推論効率を大幅に向上させます。
- 学習目標は、ノイズ $\tau_0$ と専門家軌道 $\tau_1$ の間の線形補間 $\tau_t$ に対して、定数速度ベクトル $u_t = \tau_1 - \tau_0$ を予測することです。
生成と選択: 学習された速度場を用いて複数の候補軌道（ $M$ 個）を生成し、共有されたクリティックヘッドで評価して最適なものを選択します。これにより、多様性（デッドロック回避など）と効率性を両立します。

B. 段階 2: GRPO に基づく強化学習 (GRPO-Based Reinforcement Learning)

動的環境での微調整: 静的データで学習した生成事前分布を、動的な社会的環境（DynBench）においてグループ相対方策最適化 (GRPO) で微調整します。
報酬設計:
- 目標到達: 非対称な進行度報酬（接近時は高く、遠ざかる時は低く）とゴールボーナス。
- 社会的適合: ハルのパーソナルスペース（親密領域、快適領域）に基づいたペナルティ。
- 探索: グリッドベースのカバレッジ報酬と新規性ボーナス。
アドバンテージ推定: 従来のステップベースではなく、エピソード全体で割引リターンを計算し、Z スコア正規化してアドバンテージを推定することで、早期の行動が最終結果に与える影響を適切に評価します。
効果: 動的学習は社会的ナビゲーションを強化するだけでなく、静的タスクの頑健性（回復行動の獲得など）も向上させる「正の転移効果」をもたらします。

3. 新ベンチマーク：DynBench

既存のベンチマーク（単純なランダムウォークや ORCA プランナー依存など）の限界を克服するため、物理的に妥当な群衆シミュレーションを備えた DynBench を提案しました。

特徴:
- 物理的妥当性: Isaac Sim 上で剛体物理エンジンを使用し、NavMesh による大域経路計画と幾何学的な局所衝突回避を組み合わせ、自然な歩行者相互作用を実現。
- 階層的行動プロトコル: 歩行者は「移動 (GoTo)」「待機 (Idle)」「見回す (LookAround)」の 3 状態をマルコフ遷移で切り替え、非線形な動きや速度の非対称性（ロボット 0.5m/s vs 歩行者 1.1m/s）をシミュレート。
- 6 つのタスク:
  1. PointNav（静的）
  2. ImageNav（静的）
  3. Exploration（静的）
  4. Dyn. PointNav（動的追跡）
  5. SocialNav（高密度群衆内移動）
  6. Dyn. Exploration（動的環境での探索）

4. 主要な結果

シミュレーションおよび実世界での実験により、FLUX がすべてのタスクで最先端（SOTA）性能を達成したことが示されました。

推論効率:
- 既存のフローベース手法（FlowNav）より47%、拡散ベース手法（NavDP）より29% 推論効率が向上。
- 10 ステップのサンプリングで 244.9ms（NavDP は 305.2ms）、さらに 6 ステップでも高品質な軌道生成が可能。
タスク性能:
- 静的タスク: PointNav の成功率 (SR) は 77.8% (NavDP) から 80.9% へ向上。
- 動的タスク: 社会的ナビゲーション (SocialNav) の SR は 59.3% から 64.0% へ向上。衝突回数 (Coll.) は 21 から 16 へ減少。
- 動的探索: 探索時間 (ET) が 26.4%、探索面積 (EA) が 37.4% 改善。
実世界転移 (Sim-to-Real):
- ゼロショット転移: 微調整なしで、車輪型 (Unitree Go2-W)、四足歩行型 (Unitree Go2)、二足歩行型 (Unitree G1) の 3 つの異なる形態のロボットに適用可能。
- 異なるカメラ高さや振動、地形適応性の違いにもかかわらず、安定したナビゲーションを実現。

5. 主要な貢献

FLUX の提案: 整流流を用いた初の統一型ナビゲーションポリシー。多モーダル軌道生成と効率的なロボット制御のギャップを埋め、推論効率を大幅に向上。
DynBench の導入: 物理的に妥当な群衆シミュレーションを備えたベンチマーク。2 段階学習（IL→RL）の効果を検証し、動的学習が静的タスクにも正の転移をもたらすことを実証。
SOTA 性能とクロス・エンボディメント: 6 つの全タスクでシミュレーション SOTA を達成し、実世界において 3 種類の異なるロボット形態へのゼロショット転移を成功させた。

6. 意義と結論

FLUX は、拡散モデルの遅延問題を整流流によって解決し、リアルタイムな社会的ナビゲーションを可能にしました。さらに、「静的は動的の特殊ケースである」という視点から、静的な幾何学的知識を基盤とし、動的学習でそれを強化するアプローチが、タスク一般化とプラットフォーム横断的な頑健性を高めることを示しました。

本研究は、自律移動ロボットが複雑で動的な人間社会で安全かつ効率的に動作するための基盤技術として、生成モデルと強化学習の統合、そして新しい評価基準の確立において重要なマイルストーンとなります。