論文の概要: Latent State Design for World Models under Sufficiency Constraints

• arxiv url: http://arxiv.org/abs/2605.01694v1
• Date: Sun, 03 May 2026 03:19:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.886836
• Title: Latent State Design for World Models under Sufficiency Constraints
• Title（参考訳）: 充足制約下における世界モデルの潜在状態設計
• Abstract要約: 世界モデルは、それが構築する状態を通してのみ、エージェントに重要となる。 本稿では,世界モデル研究を,十分制約下での潜在状態設計として扱う。
• 参考スコア（独自算出の注目度）: 5.448689795464901
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A world model matters to an agent only through the state it constructs. That state must preserve some information, discard other information, and support some future function: prediction, control, planning, memory, grounding, or counterfactual reasoning. This paper treats world-model research as latent state design under sufficiency constraints. We propose a functional taxonomy that groups methods by what their latent state is for, rather than by architecture or application domain: predictive embedding, recurrent belief state, object/causal structure, latent action interface, grounded planning interface, and memory substrate. These roles expose distinctions that architecture-based groupings hide, including the gap between predictive sufficiency and control sufficiency, and the gap between passive video prediction and counterfactual action modeling. The taxonomy supports an evaluation framework that judges a model by the sufficiency constraint its latent state was built to satisfy. We compare methods along seven axes: representation, prediction, planning, controllability, causal/counterfactual support, memory, and uncertainty. We use the resulting matrix as a diagnostic for what a latent state preserves, discards, and enables. The conclusion that follows is that an actionable world model is the one whose state construction matches the task, not the one that preserves the most information.
• Abstract（参考訳）: 世界モデルは、それが構築する状態を通してのみ、エージェントに重要となる。 その状態は、いくつかの情報を保持し、他の情報を捨て、予測、制御、計画、記憶、接地、あるいは反現実的推論といった将来の機能をサポートする必要がある。 本稿では,世界モデル研究を,十分制約下での潜在状態設計として扱う。 アーキテクチャやアプリケーションドメインではなく,メソッドが持つ潜在状態,すなわち予測埋め込み,再帰的信念状態,オブジェクト/因果構造,潜在アクションインターフェース,接地型計画インターフェース,メモリ基板によってメソッドをグループ化する機能的分類法を提案する。 これらの役割は、予測充足率と制御充足率のギャップ、受動的ビデオ予測と対実的アクションモデリングのギャップなど、アーキテクチャに基づくグループ化が隠れているという特徴を浮き彫りにしている。 分類学は、その潜在状態が満足するために構築された十分性の制約によってモデルを判断する評価フレームワークをサポートする。 我々は,表現,予測,計画,制御可能性,因果的/事実的サポート,記憶,不確実性という7つの軸に沿った手法を比較した。 結果の行列は、潜在状態が保存し、破棄し、可能かの診断に使用します。 以下の結論は、実行可能な世界モデルは、状態構築がタスクと一致するものであって、最も多くの情報を保存するものではない、ということである。

関連論文リスト

• World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
  世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。 これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。 可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
  論文  参考訳（メタデータ） (2026-09-15T06:22:42Z)
• MindTopo: Can Foundation Models Reason in Topological Space? [52.56750995613252]
  我々は,認知科学と形式的トポロジに基づく5つの特性のトポロジ的直観のベンチマークであるMindTopoを紹介する。 MindTopoは、それぞれの特性を2つの認知レベルで評価する。Reasoning氏は、トポロジカルな関係を識別するか、どのように変化するかをモデルに求める。 すべてのMLLMは、計画よりも推論に優れており、最高のパフォーマンスモデルは、人間のパフォーマンスよりもはるかに低いままです。
  論文  参考訳（メタデータ） (2026-09-10T17:54:32Z)
• Semantic Bayesian World Models [0.0]
  我々は、世界を事実のデータベースではなく、知識グラフに対する信念の共有的で進化した布地として記述するWebを構想する。 我々は,RDF1.2上での信念アノテーション,確率的包含体制,セマンティック・キャリブレーション・レイヤ,そして一度も会ったことのないエージェントが交換し,それに反対するプロトコルなど,コミュニティがそれを可能にするために構築しなければならないものを定義した。
  論文  参考訳（メタデータ） (2026-09-03T13:35:11Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Planning as Emergent Behavior in Reinforcement Learning with Relational Hidden States [0.0]
  近年の研究では、モデルなし強化学習だけでプランニングが実現可能であることが示されている。 観察されたケースでは、ニューラルネットワークの隠れ状態構造が決定要因であることを示す。 モデルレス強化学習における創発的計画の現象を説明する。
  論文  参考訳（メタデータ） (2026-07-20T23:49:42Z)
• Nested Episodic State Topology (NEST): A Graph-Theoretic Architecture of Cognitive States [0.0]
  NESTは認知をモデル化するためのグラフ理論表現オントロジーである。 概念、エピソード、パーセプション、タスクコンテキストは型付き重み付きグラフとして表現される。 再利用可能な演算子ツールキットは、フォーマルコアを編成する。
  論文  参考訳（メタデータ） (2026-07-07T09:31:55Z)
• Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
  2つの軸に沿って組織された「レベルx法」の分類を導入します。 第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。 我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
  論文  参考訳（メタデータ） (2026-04-24T17:48:47Z)
• World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry [82.93104394404781]
  汎用世界モデルは、スケーラブルなポリシー評価、最適化、計画を約束します。 本稿では,世界モデルによる予測誤りと自己改善を識別するフレームワークであるWorld Action Verifier(WAV)を提案する。
  論文  参考訳（メタデータ） (2026-04-02T12:48:36Z)
• How Far Are Vision-Language Models from Constructing the Real World? A Benchmark for Physical Generative Reasoning [20.337890525032858]
  物理生成推論のための新しいベンチマークであるDreamHouseを紹介する。 我々はこのベンチマークを、完全に体系化されたエンジニアリング標準を持つ住宅用木枠構築に基礎を置いている。 最終的なアウトプットのみを評価する静的ベンチマークとは異なり、DreamHouseは反復的なエージェントインタラクションをサポートする。
  論文  参考訳（メタデータ） (2026-03-25T23:13:28Z)
• Evaluating Uplift Modeling under Structural Biases: Insights into Metric Stability and Model Robustness [8.135022024189306]
  パーソナライズされたマーケティングにおいて、アップリフトモデルは、代替的な治療の下で顧客行動がどのように変化するかをモデル化することによって、漸進的な効果を推定する。 実世界のデータは、選択バイアス、こぼれ効果、未観測の混ざりなど、しばしばバイアスを示す。
  論文  参考訳（メタデータ） (2026-03-21T11:54:25Z)
• From Black-box to Causal-box: Towards Building More Interpretable Models [57.23201263629627]
  本稿では, 因果解釈可能性の概念を導入し, 特定のモデルのクラスから対実的クエリを評価できるときの形式化について述べる。 我々は、与えられたモデルアーキテクチャが与えられた偽物クエリをサポートするかどうかを決定する完全なグラフィカルな基準を導出する。
  論文  参考訳（メタデータ） (2025-10-24T20:03:18Z)
• A Comprehensive Survey on World Models for Embodied AI [14.457261562275121]
  エンボディードAIは、アクションがどのように将来の世界国家を形作るかを理解し、行動し、予測するエージェントを必要とする。 この調査は、組み込みAIにおける世界モデルのための統一されたフレームワークを示す。
  論文  参考訳（メタデータ） (2025-10-19T07:12:32Z)
• WorldPrediction: A Benchmark for High-level World Modeling and Long-horizon Procedural Planning [52.36434784963598]
  我々は、異なるAIモデルのワールドモデリングと手続き計画能力を評価するためのビデオベースのベンチマークであるWorldPredictionを紹介する。 現在のフロンティアモデルでは,WorldPrediction-WMでは57%,WorldPrediction-PPでは38%の精度しか達成できないが,人間は両タスクを完璧に解くことができる。
  論文  参考訳（メタデータ） (2025-06-04T18:22:40Z)
• Can-Do! A Dataset and Neuro-Symbolic Grounded Framework for Embodied Planning with Large Multimodal Models [85.55649666025926]
  具体的計画能力を評価するために設計されたベンチマークデータセットであるCan-Doを紹介する。 私たちのデータセットには400のマルチモーダルサンプルが含まれており、それぞれが自然言語のユーザ指示、環境を描写した視覚イメージ、状態変化、対応するアクションプランで構成されています。 ニューログラウンド(NeuroGround)は、まず認識された環境状態において計画生成を基礎とし、次に象徴的な計画エンジンを活用してモデル生成計画を強化する、ニューログラウンド(NeuroGround)を提案する。
  論文  参考訳（メタデータ） (2024-09-22T00:30:11Z)
• CFGs: Causality Constrained Counterfactual Explanations using goal-directed ASP [1.5749416770494706]
  本稿では,CFG(CounterFactual Generation with s(CASP)を提案する。このフレームワークは,目標指向のAnswer Set Programming(ASP)システムs(CASP)を利用して,デファクトな説明を自動的に生成する。 CFGがこれらの世界、すなわち、望ましくない結果を得る最初の状態から、望まれる決定を得る想像された目標状態へどのようにナビゲートするかを示す。
  論文  参考訳（メタデータ） (2024-05-24T21:47:58Z)
• Limitations of Agents Simulated by Predictive Models [1.6649383443094403]
  エージェントとなると予測モデルが失敗する2つの構造的理由を概説する。 いずれの障害も環境からのフィードバックループを組み込むことで修正可能であることを示す。 我々の治療は、これらの障害モードの統一的なビューを提供し、オンライン学習でオフライン学習ポリシーを微調整することで、より効果的になる理由を疑問視する。
  論文  参考訳（メタデータ） (2024-02-08T17:08:08Z)
• Large Language Models with Controllable Working Memory [64.71038763708161]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の一連のブレークスルーをもたらした。 これらのモデルをさらに切り離すのは、事前訓練中に内在する膨大な量の世界的知識だ。 モデルの世界知識が、文脈で提示された事実情報とどのように相互作用するかは、まだ解明されていない。
  論文  参考訳（メタデータ） (2022-11-09T18:58:29Z)

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。