論文の概要: Event-Centric World Modeling with Memory-Augmented Retrieval for Embodied Decision-Making

• arxiv url: http://arxiv.org/abs/2604.07392v1
• Date: Wed, 08 Apr 2026 06:14:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.440598
• Title: Event-Centric World Modeling with Memory-Augmented Retrieval for Embodied Decision-Making
• Title（参考訳）: メモリ拡張検索を用いたイベント中心世界モデリングによる身体的意思決定
• Authors: Fan Zhaowen,
• Abstract要約: 具体的意思決定のためのメモリ拡張検索を用いたイベント中心の世界モデリングフレームワークを提案する。 このフレームワークは、環境を構造化されたセマンティックイベントの集合として表現し、置換不変の潜在表現にエンコードされる。 意思決定は、各エントリがイベント表現と対応する操作を関連付けるような、事前経験の知識バンクを検索して行われる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous agents operating in dynamic and safety-critical environments require decision-making frameworks that are both computationally efficient and physically grounded. However, many existing approaches rely on end-to-end learning, which often lacks interpretability and explicit mechanisms for ensuring consistency with physical constraints. In this work, we propose an event-centric world modeling framework with memory-augmented retrieval for embodied decision-making. The framework represents the environment as a structured set of semantic events, which are encoded into a permutation-invariant latent representation. Decision-making is performed via retrieval over a knowledge bank of prior experiences, where each entry associates an event representation with a corresponding maneuver. The final action is computed as a weighted combination of retrieved solutions, providing a transparent link between decision and stored experiences. The proposed design enables structured abstraction of dynamic environments and supports interpretable decision-making through case-based reasoning. In addition, incorporating physics-informed knowledge into the retrieval process encourages the selection of maneuvers that are consistent with observed system dynamics. Experimental evaluation in UAV flight scenarios demonstrates that the framework operates within real-time control constraints while maintaining interpretable and consistent behavior.
• Abstract（参考訳）: 動的かつ安全にクリティカルな環境で機能する自律エージェントは、計算効率と物理的基盤の両方の意思決定フレームワークを必要とする。 しかし、既存の多くのアプローチはエンドツーエンドの学習に依存しており、物理的制約との整合性を保証するための解釈可能性や明示的なメカニズムを欠いていることが多い。 そこで本研究では,メモリ拡張検索を具体化するためのイベント中心の世界モデリングフレームワークを提案する。 このフレームワークは、環境を構造化されたセマンティックイベントの集合として表現し、置換不変の潜在表現にエンコードされる。 意思決定は、各エントリがイベント表現と対応する操作を関連付けるような、事前経験の知識バンクを検索して行われる。 最終的なアクションは、取得したソリューションの重み付けの組み合わせとして計算され、決定とストアドエクスペリエンスの間に透明なリンクを提供する。 提案設計は動的環境の構造的抽象化を可能にし,ケースベース推論による解釈可能な意思決定を支援する。 さらに、物理インフォームド知識を検索プロセスに組み込むことで、観測されたシステムダイナミクスと整合した操作の選択が促進される。 UAV飛行シナリオにおける実験的な評価は、このフレームワークが解釈可能かつ一貫した動作を維持しながら、リアルタイム制御の制約内で動作していることを示す。

関連論文リスト

• CIRCLE: A Framework for Evaluating AI from a Real-World Lens [10.028017198571833]
  CIRCLEは、モデル中心のパフォーマンスメトリクスと、デプロイメントにおけるAIの実体化された結果とのギャップを埋めることを目的としている。 CIRCLEは、コンテキストに敏感な質的洞察とスケーラブルな定量的メトリクスをリンクするための構造化された予測プロトコルを提供する。
  論文  参考訳（メタデータ） (2026-02-27T14:43:23Z)
• Feature-Based vs. GAN-Based Learning from Demonstrations: When and Why [50.191655141020505]
  この調査は、デモから学ぶ機能ベースのアプローチとGANベースのアプローチの比較分析を提供する。 特徴に基づく手法とGANに基づく手法の2分法はますます曖昧になっていると我々は主張する。
  論文  参考訳（メタデータ） (2025-07-08T11:45:51Z)
• Situationally-Aware Dynamics Learning [57.698553219660376]
  隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。 提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。 シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
  論文  参考訳（メタデータ） (2025-05-26T06:40:11Z)
• Demonstrating the Continual Learning Capabilities and Practical Application of Discrete-Time Active Inference [0.0]
  アクティブ推論は、エージェントが環境とどのように相互作用するかを理解するための数学的フレームワークである。 本稿では,個別の時間環境で動作するエージェントのための連続学習フレームワークを提案する。 我々は、エージェントがモデルを再学習し、効率的に洗練する能力を示し、金融や医療といった複雑な分野に適合する。
  論文  参考訳（メタデータ） (2024-09-30T21:18:46Z)
• Cooperative Resilience in Artificial Intelligence Multiagent Systems [2.0608564715600273]
  本稿では, 協調レジリエンスの明確な定義とその定量化手法を提案する。 その結果は、集団システムが破壊に直面してどのように準備し、抵抗し、回復し、幸福を維持し、変革するかを分析する上で、レジリエンス指標の重要な役割を強調している。
  論文  参考訳（メタデータ） (2024-09-20T03:28:48Z)
• HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
  HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。 このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
  論文  参考訳（メタデータ） (2024-01-23T18:59:43Z)
• Representation-Centric Survey of Skeletal Action Recognition and the ANUBIS Benchmark [43.00059447663327]
  3Dスケルトンに基づく人間の行動認識は、従来のRGBや深さに基づくアプローチの強力な代替手段として登場した。 目覚ましい進歩にもかかわらず、現在の研究は様々な入力表現で断片化されている。 ANUBISは、既存のベンチマークで重要なギャップに対処するために設計された、大規模で挑戦的なスケルトンアクションデータセットである。
  論文  参考訳（メタデータ） (2022-05-04T14:03:43Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)
• Inverse Active Sensing: Modeling and Understanding Timely Decision-Making [111.07204912245841]
  我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。 意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-25T02:30:45Z)

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。