論文の概要: World Models as Group Actions

• arxiv url: http://arxiv.org/abs/2605.24578v1
• Date: Sat, 23 May 2026 13:42:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.254646
• Title: World Models as Group Actions
• Title（参考訳）: 集団行動としての世界モデル
• Authors: Zijie Wang, Wei Zhang, Weiming Zhang, Fanqi Zhang, Xiao Tan, Yipeng Qin, Guanbin Li,
• Abstract要約: 行動の忠実さは、行動の構成構造を通して理解されるべきである。 我々は、状態空間上でのグループアクションを実現するために、アクション条件付き世界モデリングを形式化する。 提案手法は,最新ビデオワールドモデルにおけるGAC(Group-Action Consistency)とGAR(Group-Action Robustness)の両方を一貫して改善する。
• 参考スコア（独自算出の注目度）: 70.0506723637968
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video world models have achieved strong visual realism, but this does not ensure that their dynamics are truly governed by actions. In this work, we argue that action faithfulness should be understood through the compositional structure of actions, which in many embodied settings follows a group structure (e.g., SE(2) for navigation). Based on this insight, we formalize action-conditioned world modeling as realizing a group action on the state space, providing a principled criterion for evaluating dynamics beyond visual quality. To operationalize this framework, we propose a unified approach that enforces identity, inverse, and composition consistency via latent-space regularization with synthesized supervision, avoiding additional data collection. We further introduce two metrics: Group-Action Consistency (GAC) and Group-Action Robustness (GAR), to evaluate structural correctness and rollout stability. Extensive experimental results show that our method consistently improves both GAC and GAR in state-of-the-art video world models without degrading perceptual quality.
• Abstract（参考訳）: ビデオワールドモデルは強力なビジュアルリアリズムを達成したが、このことは彼らのダイナミクスが本当に行動によって支配されていることを保証しない。 本論では,行動の忠実性は行動の構成構造を通して理解されるべきであり,多くの具体的設定において群構造(例えば,SE(2))に従う。 この知見に基づいて,行動条件付き世界モデリングを,状態空間におけるグループ行動の実現として形式化し,視覚的品質を超えたダイナミクスを評価するための原則的基準を提供する。 このフレームワークを運用するために、我々は、追加データ収集を回避し、ラテント空間正規化によるアイデンティティ、逆、コンポジションの整合性を実現する統一的なアプローチを提案する。 さらに,GAC(Group-Action Consistency)とGAR(Group-Action Robustness)という2つの指標を導入して,構造的正しさとロールアウト安定性を評価する。 広汎な実験結果から,本手法は知覚品質を低下させることなく,最新のビデオワールドモデルにおいて,GACとGACの両方を一貫して改善することが示された。

関連論文リスト

• World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
  VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。 彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。 成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
  論文  参考訳（メタデータ） (2026-05-12T13:10:52Z)
• HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
  世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。 HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。 実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
  論文  参考訳（メタデータ） (2026-05-11T17:59:56Z)
• Beyond State Consistency: Behavior Consistency in Text-Based World Models [58.216587360435305]
  本研究では,世界モデルと実環境の機能的整合性を改善することを目的とした,行動整合性トレーニングパラダイムを提案する。 WebShopとTextWorldの実験では、BehRベースのトレーニングによって、いくつかの設定における長期的なアライメントが改善されている。
  論文  参考訳（メタデータ） (2026-04-15T12:56:45Z)
• Beyond the Academic Monoculture: A Unified Framework and Industrial Perspective for Attributed Graph Clustering [75.50670592447219]
  分散グラフクラスタリング(AGC)は、構造トポロジとノード属性を共同でモデル化することによって、ノードを凝集性グループに分割する基本的な教師なしタスクである。 この調査は、3つの相補的な視点からAGCを包括的かつ工業的に基礎づけたレビューを提供する。
  論文  参考訳（メタデータ） (2026-03-21T14:15:34Z)
• Exploring the Temporal Consistency for Point-Level Weakly-Supervised Temporal Action Localization [66.80402022104074]
  ポイント教師付きテンポラルアクションローカライゼーション(PTAL)は、軽快なフレームアノテートパラダイム(textiti.e.、アクションインスタンスごとに1フレームのみをラベル付けする)を採用して、教師なしビデオ内のアクションインスタンスを見つけるようモデルを訓練する。 既存のアプローチのほとんどは、アクションのフレーム間の時間的関係を明確にモデル化することなく、ポイントトリミングされたスニペットレベルの分類だけでモデルのタスクヘッドを設計する。 本稿では,行動ローカライゼーションのための時間的理解能力を高めるために,ポイントインスペクションを完全に活用するマルチタスク学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-05T14:46:21Z)
• Object-Centric World Models for Causality-Aware Reinforcement Learning [13.063093054280946]
  カルーサリティ対応強化学習(ASTICA)を用いたEmph Transformer Imaginationを提案する。 オブジェクト中心のトランスフォーマーが世界モデルおよび因果対応ポリシーおよびバリューネットワークとして機能する統合フレームワーク。 オブジェクトリッチベンチマークの実験では、STICAはサンプル効率と最終性能の両方において、最先端のエージェントよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-11-18T08:53:09Z)
• Chain-of-Action: Trajectory Autoregressive Modeling for Robotic Manipulation [37.748111048944274]
  チェーン・オブ・アクション(Chain-of-Action, CoA)は、トラジェクティブ・オートレグレッシブ・モデリング(Trajectory Autoregressive Modeling)に基づいて構築されたビジュオ・モビリティ・パラダイムである。 CoAは、タスク固有のゴールを明示した後方推論によって、全軌道を生成する。 我々は60のRLBenchタスクと8つの実世界の操作タスクにまたがる最先端のパフォーマンスをCoAで観察する。
  論文  参考訳（メタデータ） (2025-06-11T17:59:13Z)
• From Local Cues to Global Percepts: Emergent Gestalt Organization in Self-Supervised Vision Models [7.7536110932446265]
  我々は、現代の視覚モデルが類似した行動を示すかどうか、そしてこれらがどのような訓練条件で現れるかを検討する。 Masked Autoencoding (MAE) で訓練された視覚変換器 (ViT) はゲシュタルト法則と整合したアクティベーションパターンを示す。 本研究では,局所的なテクスチャを保ちながら,地球規模の空間摂動に対する感受性を評価するためのディストーテッド空間関係テストベンチ(DiSRT)を紹介する。
  論文  参考訳（メタデータ） (2025-05-31T21:35:54Z)
• Unifying Perspectives: Plausible Counterfactual Explanations on Global, Group-wise, and Local Levels [2.494108084558292]
  本稿では,微分可能なモデルに対する勾配に基づく最適化手法を提案する。 インスタンスグループ化と逆ファクト生成を1つの効率的なプロセスに組み合わせることで,GWCF生成を特に強化する。 本研究は, グループ粒度を最適化しつつ, 妥当性, 近接性, 妥当性のバランスをとる方法の有効性を示すものである。
  論文  参考訳（メタデータ） (2024-05-27T20:32:09Z)

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。