論文の概要: Latent Geometry Beyond Search: Amortizing Planning in World Models

• arxiv url: http://arxiv.org/abs/2605.08732v1
• Date: Sat, 09 May 2026 06:36:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.842865
• Title: Latent Geometry Beyond Search: Amortizing Planning in World Models
• Title（参考訳）: 探索を超えた潜在幾何学:世界モデルにおける計画の記憶
• Abstract要約: 学習した表現は、単に予測を有効にするのではなく、制御を単純化できることを示す。 反復計画を手軽なゴール条件逆ダイナミクスモデル(GC-IDM)に置き換える コントローラは環境プロトコール設定8つのうち7つでCEMと一致または超過し、判定あたりのコストを100-130倍に削減する。
• 参考スコア（独自算出の注目度）: 17.571800971505787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern vision-based world models can represent observations as compact yet expressive latent manifolds, but fast goal-oriented planning in these spaces remains challenging. This raises a central question: when does a learned representation simplify control, rather than merely enabling prediction? We study this question in a pretrained LeWorldModel, whose latent geometry is regularized for smoothness and uniformity. Our key insight is that, under such geometry, planning can be amortized into a latent inverse-dynamics mapping instead of requiring online search. We therefore replace iterative planning with a lightweight Goal-Conditioned Inverse Dynamics Model (GC-IDM) that maps the current latent state, goal latent state, and remaining horizon directly to the next action. Empirically, across four benchmark environments spanning navigation, contact-rich manipulation, and continuous control, our controller matches or exceeds CEM in seven of eight environment-protocol settings while reducing per-decision cost by 100-130x. A broader sweep over test-time planners (CEM, MPPI, iCEM, and gradient-based methods) shows that this result is not specific to a particular optimizer. These findings suggest that much of the structure recovered by test-time planning is already locally encoded in the latent representation. More broadly, our results indicate that sufficiently structured latent spaces can shift part of the planning burden from online optimization to learned inference.
• Abstract（参考訳）: 現代の視覚に基づく世界モデルは、観測をコンパクトで表現力のある潜在多様体として表すことができるが、これらの空間における高速な目標指向計画は依然として困難である。 学習した表現は、単に予測を有効にするのではなく、いつコントロールを単純化するのだろうか? 我々は,この問題を,スムーズさと均一性のために潜在幾何学を正規化した事前学習されたLeWorldModelで研究する。 私たちの重要な洞察は、このような幾何学の下では、計画はオンライン検索を必要とせず、潜伏した逆ダイナミクスマッピングに補正できるということです。 したがって、我々は反復計画を、現在の潜時状態、目標潜時状態、そして残る地平線を直接次の行動にマッピングする軽量なゴールコンディション逆ダイナミクスモデル(GC-IDM)に置き換える。 経験的に、ナビゲーション、コンタクトリッチな操作、継続的な制御にまたがる4つのベンチマーク環境において、我々のコントローラは8つの環境プロトコール設定のうち7つのCEMと一致し、決定あたりのコストを100-130倍に削減します。 テスト時間プランナ(CEM, MPPI, iCEM, 勾配ベースのメソッド)を概観すると、この結果が特定のオプティマイザに固有のものではないことが分かる。 これらの結果は、テスト時間計画によって復元された構造の多くは、すでに潜在表現に局所的に符号化されていることを示唆している。 より広範に、十分に構造化された潜在空間は、計画上の負担の一部をオンライン最適化から学習された推論にシフトできることを示す。

関連論文リスト

• LePlanner: An Iterative Amortized Controller For World Models [0.0]
  本研究では,凍結したワールドモデル予測器を用いて遅延動作シーケンスの構築と洗練を学習する,償却反復制御器LePlannerを提案する。 LePlannerは、最初期の地平線で目標に達するようコントローラに促し、そこに留まるよう、到着と保持の目的で訓練されている。 成功率はPushTが98%、Reacherが100%、TwoRoomsが100%、OGBench Cubeが92%である。
  論文  参考訳（メタデータ） (2026-09-12T10:01:21Z)
• Hydra: A Navigation World Action Model with Discrete Latent Planning and Continuous Flow-Matching Execution [51.519325778407016]
  世界モデルは、ロボットが未来を想像することを可能にするが、リアルタイム制御にこの能力を活用することは、表現のミスアライメントによってボトルネックとなる。 我々は、このギャップを埋める個別のワールドアクションモデルであるHydraを紹介します。 Hydraは、目標指向の計画において最先端の世界モデルよりも優れており、主要なリアクティブ基盤ポリシーのクローズドループ実行能力にマッチまたは超越している。
  論文  参考訳（メタデータ） (2026-08-29T01:58:19Z)
• ARDepth: Auto-regressive Monocular Depth Estimation with Progressive Visual Conditioning [66.42476564611607]
  拡散モデルは、反復的妄想を通して、世界規模で滑らかな場として深度を復元できると仮定する。 本稿では,構造的自己回帰生成として深度推定を定式化するARDepthを提案する。 提案手法は高い性能を達成し,スケールにわたって構造的に一貫した深度予測を実現する。
  論文  参考訳（メタデータ） (2026-07-14T07:06:46Z)
• LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields [7.898784066160524]
  本稿では,視覚ナビゲーションフレームワークLeCropFollowについて述べる。 その結果,LeCropFollowは非構造行で最先端のベースラインと一致しているが,プランテーションギャップでは著しく優れていた。 これらの結果から,不均一な農業環境下での運用において,潜在計画が幾何的推定に頑健な代替手段となることが示唆された。
  論文  参考訳（メタデータ） (2026-06-30T16:47:08Z)
• Hierarchical 3D Scene Graph Construction and Belief-based Planning for Semantic Navigation [34.08516675160383]
  エンボディエージェントのためのゼロショットセマンティックナビゲーションフレームワークを提案する。 本手法は,オブジェクト,ゾーン,領域を網羅したオンライン階層型3次元シーングラフ(HSG)を漸進的に維持し,グローバルプランニングのためのコンパクトな状態抽象化として機能する。 このメモリ上に構築された階層的信念に基づく計画フレームワークは,HSGの探索証拠とセマンティック先行を融合させ,HSGベースのシミュレータ上で有限水平ロールアウトを行い,候補マクロアクションの長期的リターンを明示的に推定する。
  論文  参考訳（メタデータ） (2026-06-30T03:01:44Z)
• Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
  Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。 表現の崩壊を防ぎ、アクション整列表現を誘導する。 コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
  論文  参考訳（メタデータ） (2026-06-18T11:25:16Z)
• Back to Parsimonious Latents: Learning Task-Centric World Models from Visual Foundations [35.521396983843864]
  本稿では,基礎モデル埋め込みをコンパクトでタスクに適した世界表現に変換するためのフレームワークを提案する。 TC-WM は、動的空間としてコンパクトなラテントに高次元の視覚的埋め込みを射影する。 TC-WMは、タスク中心の潜在要因を単純な変換まで特定するのに十分であることを示す。
  論文  参考訳（メタデータ） (2026-05-25T09:21:43Z)
• Predictive but Not Plannable: RC-aux for Latent World Models [44.63243875072762]
  到達可能性補正補助(RC-aux) 本稿では,このミスマッチに対する軽量な補正法であるReachability-Correctionssisted (RC-aux)を提案する。 RC-auxは世界モデルのバックボーンを変更せず、2つの軸に沿って計画に沿った監督を追加する。
  論文  参考訳（メタデータ） (2026-05-08T05:43:33Z)
• Hierarchical Planning with Latent World Models [49.82095442483551]
  階層的計画は、最大4倍の計画時間計算を必要としながら、より高い成功を達成する。 この階層的なアプローチにより、現実世界の非グリーディロボットタスクをゼロショットで制御できることを実証する。
  論文  参考訳（メタデータ） (2026-04-03T17:32:36Z)
• In-Context Planning with Latent Temporal Abstractions [7.0210868165244875]
  I-TAP はオフラインの RL フレームワークで、学習時空間におけるオンライン計画とコンテキスト内適応を統合する。 I-TAPは、強いモデルフリーおよびモデル条件のオフラインベースラインに一貫して適合または性能を向上する。
  論文  参考訳（メタデータ） (2026-02-21T02:29:19Z)
• Infinite-World: Scaling Interactive World Models to 1000-Frame Horizons via Pose-Free Hierarchical Memory [101.2076718776139]
  複雑な実環境において,1000フレーム以上のコヒーレントな視覚記憶を維持することのできる,堅牢な対話型世界モデルを提案する。 我々は,歴史的潜水剤を固定予算の幾何学的表現に蒸留するpose-free Memory (HPMC)を導入する。 また,連続動作を三状態論理に識別する不確実性認識型アクションラベルモジュールを提案する。
  論文  参考訳（メタデータ） (2026-02-02T17:52:56Z)
• Parallel Stochastic Gradient-Based Planning for World Models [39.699893143984916]
  本稿では,学習した世界モデルの識別性を有効に活用する,堅牢で並列性の高いプランナを提案する。 本手法は,ソフトダイナミックス制約による最適化変数(仮想状態)として状態を扱い,並列かつ容易な最適化を実現する。 我々のプランナーはGRASP(GradAxed Planner)と呼ばれ、非凝縮またはコロケーションベースの最適コントローラの有効なバージョンと見なすことができる。
  論文  参考訳（メタデータ） (2026-01-31T02:57:47Z)
• Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
  本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。 テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
  論文  参考訳（メタデータ） (2025-12-10T18:59:45Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Temporal Predictive Coding For Model-Based Planning In Latent Space [80.99554006174093]
  時間的に予測可能な環境要素を符号化するために,時間的予測符号化を用いた情報理論的手法を提案する。 本稿では,DMControl タスクの背景を複雑な情報を含む自然なビデオに置き換える,標準的な DMControl タスクの挑戦的な修正について評価する。
  論文  参考訳（メタデータ） (2021-06-14T04:31:15Z)

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。