論文の概要: Interactive World Simulator for Robot Policy Training and Evaluation

• arxiv url: http://arxiv.org/abs/2603.08546v1
• Date: Mon, 09 Mar 2026 16:13:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:16.397515
• Title: Interactive World Simulator for Robot Policy Training and Evaluation
• Title（参考訳）: ロボット政策訓練と評価のための対話型世界シミュレータ
• Authors: Yixuan Wang, Rhythm Syed, Fangyu Wu, Mengchao Zhang, Aykut Onol, Jose Barreiros, Hooshang Nayyeri, Tony Dear, Huan Zhang, Yunzhu Li,
• Abstract要約: ロボットインタラクションデータセットからインタラクティブな世界モデルを構築するためのフレームワークであるInteractive World Simulatorを提案する。 我々の実験では、学習された世界モデルが相互作用に一貫性のあるピクセルレベルの予測を生成する。 我々は,世界モデル生成データに基づいてトレーニングされたポリシーが,同じ量の実世界のデータでトレーニングされたポリシーと相容れないことを発見した。
• 参考スコア（独自算出の注目度）: 21.481187472784047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Action-conditioned video prediction models (often referred to as world models) have shown strong potential for robotics applications, but existing approaches are often slow and struggle to capture physically consistent interactions over long horizons, limiting their usefulness for scalable robot policy training and evaluation. We present Interactive World Simulator, a framework for building interactive world models from a moderate-sized robot interaction dataset. Our approach leverages consistency models for both image decoding and latent-space dynamics prediction, enabling fast and stable simulation of physical interactions. In our experiments, the learned world models produce interaction-consistent pixel-level predictions and support stable long-horizon interactions for more than 10 minutes at 15 FPS on a single RTX 4090 GPU. Our framework enables scalable demonstration collection solely within the world models to train state-of-the-art imitation policies. Through extensive real-world evaluation across diverse tasks involving rigid objects, deformable objects, object piles, and their interactions, we find that policies trained on world-model-generated data perform comparably to those trained on the same amount of real-world data. Additionally, we evaluate policies both within the world models and in the real world across diverse tasks, and observe a strong correlation between simulated and real-world performance. Together, these results establish the Interactive World Simulator as a stable and physically consistent surrogate for scalable robotic data generation and faithful, reproducible policy evaluation.
• Abstract（参考訳）: アクション条件付きビデオ予測モデル(しばしば世界モデルと呼ばれる)は、ロボット工学の応用に強い可能性を示しているが、既存のアプローチは、しばしば遅く、長い地平線上での物理的に一貫した相互作用を捉え、スケーラブルなロボットポリシートレーニングと評価に有用性を制限するのに苦労している。 中程度のロボットインタラクションデータセットからインタラクティブな世界モデルを構築するためのフレームワークであるInteractive World Simulatorを提案する。 提案手法では,画像復号化と遅延空間の動的予測の両方に一貫性モデルを適用し,物理的相互作用の高速かつ安定したシミュレーションを可能にする。 実験では,RTX 4090 GPU上での15FPSで10分以上にわたって,相互作用に一貫性のある画素レベルの予測を行い,安定な長水平相互作用をサポートする。 我々のフレームワークは、世界モデル内でのみスケーラブルなデモコレクションを可能にし、最先端の模倣ポリシーをトレーニングします。 剛体オブジェクト,変形可能なオブジェクト,オブジェクトパイル,およびそれらの相互作用を含む多種多様なタスクを対象とした広範囲な実世界の評価を通じて,世界モデル生成データに基づいてトレーニングされたポリシーが,同一の実世界のデータに基づいてトレーニングされたポリシーと相容れないことが判明した。 さらに,世界モデル内および実世界における多種多様なタスクにおける政策評価を行い,シミュレーションと実世界のパフォーマンスの強い相関関係を観察する。 これらの結果は、スケーラブルなロボットデータ生成と忠実で再現可能なポリシー評価のための安定的で物理的に一貫したサロゲートとして、Interactive World Simulatorを確立する。

関連論文リスト

• PolaRiS: Scalable Real-to-Sim Evaluations for Generalist Robot Policies [88.78188489161028]
  シミュレーションにおける政策評価と環境復元(PolaRiS)の導入 PolaRiSは、高忠実度シミュレーションロボット評価のためのスケーラブルなリアルタイム・シミュレート・フレームワークである。 PolaRiSの評価は,既存のシミュレーションベンチマークよりも,現実のジェネラリストのポリシー性能に強い相関関係があることが示されている。
  論文  参考訳（メタデータ） (2025-12-18T18:49:41Z)
• Evaluating Gemini Robotics Policies in a Veo World Simulator [69.23071832313246]
  我々はフロンティアビデオ基盤モデル(Veo)に基づく生成的評価システムを導入する。 このシステムは、ロボットアクションコンディショニングとマルチビュー一貫性をサポートするよう最適化されている。 我々は、Gemini Roboticsのポリシーチェックポイント8つと、バイマニュアルマニピュレータのための5つのタスクの1600以上の実世界の評価を通じて、これらの能力を検証した。
  論文  参考訳（メタデータ） (2025-12-11T14:22:14Z)
• Real-to-Sim Robot Policy Evaluation with Gaussian Splatting Simulation of Soft-Body Interactions [27.247431258140463]
  本稿では,現実の映像からソフトボディのディジタルツインを構築するための,リアル・トゥ・シミュレート・ポリシー評価フレームワークを提案する。 我々は,ぬいぐるみのパッキング,ロープルーティング,Tブロックプッシュなど,代表的な変形可能な操作タスクに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2025-11-06T18:52:08Z)
• RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation [47.79800816696372]
  操作ポリシーの現実的なテストは、大規模に労働集約的で、再現が難しい。 既存のシミュレーションベンチマークも同様に制限されており、同じ合成ドメイン内でポリシーをトレーニングおよびテストしている。 本稿では,VLA評価を大規模にシミュレーションした拡張環境に移行することで,これらの課題を克服する新しいベンチマークフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-27T17:41:38Z)
• WorldGym: World Model as An Environment for Policy Evaluation [41.204900701616914]
  WorldGymは、実環境のプロキシとして機能する自動回帰、アクション条件付きビデオ生成モデルである。 ポリシーはモンテカルロの世界モデルによるロールアウトを通じて評価され、視覚言語モデルが報酬を提供する。 We show that WorldGym can maintain relative policy rankings across different policy version, sizes, and training checkpoints。
  論文  参考訳（メタデータ） (2025-05-31T15:51:56Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。 スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• IRASim: A Fine-Grained World Model for Robot Manipulation [24.591694756757278]
  本稿では,ロボットとオブジェクトのインタラクションの詳細を詳細に表現したビデオを生成する新しい世界モデルIRASimを提案する。 拡散変圧器を訓練し、各変圧器ブロック内に新しいフレームレベル動作条件モジュールを導入し、アクションフレームアライメントを明示的にモデル化し強化する。
  論文  参考訳（メタデータ） (2024-06-20T17:50:16Z)

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。