論文の概要: Active World-Model with 4D-informed Retrieval for Exploration and Awareness

• arxiv url: http://arxiv.org/abs/2604.16733v1
• Date: Fri, 17 Apr 2026 22:43:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.150326
• Title: Active World-Model with 4D-informed Retrieval for Exploration and Awareness
• Title（参考訳）: 4次元インフォームド検索による探索と認識のためのアクティブワールドモデル
• Authors: Elaheh Vaezpour, Amirhosein Javadi, Tara Javidi,
• Abstract要約: 物理的認識は、空間、時間、スケールにわたる可観測性を決定する知覚的決定によって形成される。 AW4REは知覚クエリを探索するためのセンサネイティブサロゲート環境を提供する,認識中心の生成ワールドモデルである。
• 参考スコア（独自算出の注目度）: 6.130115684632082
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physical awareness, especially in a large and dynamic environment, is shaped by sensing decisions that determine observability across space, time, and scale, while observations impact the quality of sensing decisions. This loopy information structure makes physical awareness a fundamentally challenging decision problem with partial observations. While in the past decade we have witnessed the unprecedented success of reinforcement learning (RL) in problems with full observability, decision problems with partial observation, such as POMDPs, remain largely open: real-world explorations are excessively costly, while sim-to-real pipeline suffer from unobserved viewpoints. We introduce AW4RE (Active World-model with 4D-informed Retrieval for Exploration), an awareness-centric generative world model that provides a sensor-native surrogate environment for exploring sensing queries. Conditioned on a queried sensing action, AW4RE estimates the action-conditioned observation process. This is done by combining 4D-informed evidence retrieval, action-conditioned geometric support with temporal coherence, and conditional generative completion. Experiments demonstrate that AW4RE produces more grounded and consistent predictions than geometry-aware generative baselines under extreme viewpoint shifts, temporal gaps, and sparse geometric support.
• Abstract（参考訳）: 物理的認識は、特に大規模でダイナミックな環境では、空間、時間、スケールにわたる可観測性を決定する知覚的決定によって形成され、観察は知覚的決定の質に影響を与える。 この不規則な情報構造は、物理的認識を部分的な観察を伴う決定問題を根本的に困難にしている。 過去10年間、我々は完全可観測性のある問題において強化学習(RL)が前例のない成功を収めたのを目撃してきたが、POMDPのような部分観測による決定問題は、ほとんど未解決のままであり、現実世界の探索は過度にコストがかかり、sim-to-realパイプラインは観測不能な視点に悩まされている。 AW4RE(Active World-model with 4D-informed Retrieval for Exploration:4D-informed Retrieval for Exploration)は、センサネイティブなサロゲート環境を提供し、クエリを探索する。 AW4REは、クエリされたセンシング動作に基づいて、アクション条件付き観察プロセスを推定する。 これは、4Dインフォームドエビデンス検索、行動条件付き幾何学的サポートと時間的コヒーレンス、条件付き生成完了を組み合わせることで実現される。 実験により、AW4REは、極端視点シフト、時間的ギャップ、粗い幾何学的支持の下で、幾何を考慮した生成ベースラインよりも、より基礎的で一貫した予測を生成することが示された。

関連論文リスト

• LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
  LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。 そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。 R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
  論文  参考訳（メタデータ） (2026-03-31T02:21:59Z)
• Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration? [83.13508919229939]
  宇宙の理論は、自己指向的かつ活発な探索を通じて情報を得るエージェントの能力として定義される。 重要な革新は空間的信念の探索であり、各ステップでモデルが空間的表現を明らかにするように促す。 この結果から,現在の基盤モデルでは,活発な探査において,コヒーレントで変更可能な空間的信念の維持に苦慮していることが示唆された。
  論文  参考訳（メタデータ） (2026-02-04T19:06:40Z)
• IndustryNav: Exploring Spatial Reasoning of Embodied Agents in Dynamic Industrial Navigation [56.43007596544299]
  IndustryNavは、アクティブな空間推論のための最初の動的産業用ナビゲーションベンチマークである。 9つの最先端のVisual Large Language Modelsの研究によると、クローズドソースモデルは一貫した優位性を維持している。
  論文  参考訳（メタデータ） (2025-11-21T16:48:49Z)
• Imagine, Verify, Execute: Memory-guided Agentic Exploration with Vision-Language Models [81.08295968057453]
  本稿では,人間の好奇心に触発されたエージェント探索フレームワークIVEを紹介する。 シミュレーションおよび実世界のテーブルトップ環境におけるIVEの評価を行った。
  論文  参考訳（メタデータ） (2025-05-12T17:59:11Z)
• Time-EAPCR: A Deep Learning-Based Novel Approach for Anomaly Detection Applied to the Environmental Field [7.814749741826771]
  従来の監視方法は遅延応答、不十分なデータ処理、弱い一般化に悩まされている。 ディープラーニングは、機能を自動的に学習する機能を備え、複雑な非線形関係をキャプチャし、検出性能を向上させる。 本稿では,新しいディープラーニング手法であるTime-EAPCR(Time-Embedding-Permutated CNN-Residual)を紹介し,環境科学に応用する。
  論文  参考訳（メタデータ） (2025-03-12T09:44:15Z)

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。