論文の概要: Physically Viable World Models: A Case for Query-Conditioned Embodied AI

• arxiv url: http://arxiv.org/abs/2605.30542v1
• Date: Thu, 28 May 2026 20:18:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.217643
• Title: Physically Viable World Models: A Case for Query-Conditioned Embodied AI
• Title（参考訳）: 物理的に生存可能な世界モデル:クエリ定義型体操AIの事例
• Authors: Adam J. Thorpe, Stepan Tretiakov, Cheng-Hsi Hsiao, Su Ann Low, Xingjian Li, Hassan Iqbal, Neel P. Bhatt, Ufuk Topcu, Krishna Kumar,
• Abstract要約: 既存の観測予測世界モデルは、視覚的に可視だが物理的に間違ったロールアウトを生み出すことができる。 このようなモデルは、実行不可能なアクションを推奨したり、インタラクションの結果を誤予測したり、安全でない振る舞いを証明したりする可能性がある。 インボディードAIは、介入クエリに応答するのに十分な、最も単純な物理的抽象化を特定する世界モデルを必要とする、と我々は主張する。
• 参考スコア（独自算出の注目度）: 17.916498249551537
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models for embodied AI must be physically viable: constructed to answer intervention queries by representing the physical structure governing action outcomes, rather than merely predicting future observations. Existing observation-predictive world models can produce visually plausible but physically wrong rollouts. This failure is structural; distinct physical systems can look identical yet diverge under intervention. We expose this problem with controlled benchmarks that fix the visible scene while varying latent physics. We show that such models may recommend infeasible actions, mispredict interaction outcomes, or certify unsafe behavior. We argue that embodied AI requires world models that identify the simplest physical abstraction sufficient to answer an intervention query. Such a model comprises modular components, including environment representation, latent state and parameter estimation, action specification, interventional dynamics, and query-level response. An autonomous orchestrator should identify the relevant abstraction and compose compatible learned and structured components per query. When closed-form physics is unavailable, uncertain, or costly, the transition model may be analytic, simulated, learned, or hybrid, but it must preserve the structure that determines interventional outcomes. This decomposition makes the model interpretable, its components verifiable, and its outputs auditable against the query. It also provides a design principle for new world models and a feasibility test for existing ones: the right abstraction is not the most detailed model of the world, but the simplest model that preserves the distinctions relevant to the query. We demonstrate this approach on queries that existing systems fail to answer correctly, and outline how an orchestrator can dynamically assemble and adapt physically viable models for planning, control, and verification.
• Abstract（参考訳）: インボディードAIのワールドモデルは、単に将来の観測を予測するのではなく、物理的な構造を管理する行動結果を表すことによって、介入クエリに答えるために構築されなければならない。 既存の観測予測世界モデルは、視覚的に可視だが物理的に間違ったロールアウトを生み出すことができる。 この障害は構造的であり、異なる物理系は同一に見えるが、介入下では分岐する。 我々はこの問題を、可視的なシーンを物理量を変化させながら修正する制御されたベンチマークで公開する。 このようなモデルは、実行不可能なアクションを推奨したり、インタラクションの結果を誤予測したり、安全でない振る舞いを証明したりする可能性がある。 インボディードAIは、介入クエリに応答するのに十分な、最も単純な物理的抽象化を特定する世界モデルを必要とする、と我々は主張する。 このようなモデルは、環境表現、潜時状態とパラメータ推定、アクション仕様、介入力学、クエリレベルの応答を含むモジュラーコンポーネントから構成される。 自律オーケストレータは、関連する抽象化を特定し、クエリ毎に学習および構造化されたコンポーネントを構成する必要がある。 閉形式物理学が利用できない場合、不確実またはコストがかかる場合、遷移モデルは解析的、シミュレートされ、学習され、あるいはハイブリッドとなるが、介入の結果を決定する構造を保持する必要がある。 この分解により、モデルは解釈可能となり、そのコンポーネントは検証可能となり、その出力はクエリに対して監査可能である。 適切な抽象化は、世界で最も詳細なモデルではなく、クエリに関連する区別を保持する最も単純なモデルです。 既存のシステムが正しく答えられないクエリに対してこのアプローチを実証し、オーケストレータが計画、制御、検証のために物理的に実行可能なモデルを動的に組み立て、適応する方法を概説する。

関連論文リスト

• ACWM-Phys: Investigating Generalized Physical Interaction in Action-Conditioned Video World Models [30.527810700174488]
  行動条件付き世界モデル(ACWM)は,映像の予測と意思決定に強く期待されている。 本稿では,多様な物理力学下での行動条件予測のための新しいベンチマークであるACWM-Physを紹介する。
  論文  参考訳（メタデータ） (2026-05-09T00:00:47Z)
• CellScientist: Dual-Space Hierarchical Orchestration for Closed-Loop Refinement of Virtual Cell Models [62.281480231694]
  VCM(Virtual Cell Modeling)は、摂動応答を予測できるだけでなく、予測が失敗した場合にターゲットリビジョンをサポートするモデルを必要とする。 現在のLCM支援モデリングでは、予測誤差が実行可能実装を通して観測されるという改善ルーティング問題に直面している。 提案するCellScientistは,高レベル仮説空間と低レベル実行可能実装空間を結合した,二重空間階層型フレームワークである。
  論文  参考訳（メタデータ） (2026-05-08T06:40:24Z)
• OrigamiBench: An Interactive Environment to Synthesize Flat-Foldable Origamis [28.493060188882314]
  物理的な世界で計画し、行動し、創造できるAIシステムを構築するには、パターン認識以上のものが必要です。 このようなシステムは、シーケンシャルな決定を導くために、物理的プロセスを管理する因果的メカニズムや制約を理解する必要がある。 この能力は、内部言語モデルに類似した内部表現に依存しており、観察、行動、その結果の環境変化を関連づけている。 モデルが折り畳みを反復的に提案し,対象設定と物理的妥当性および類似性に関するフィードバックを受け取る,インタラクティブなベンチマークであるOrigamiBenchを紹介する。
  論文  参考訳（メタデータ） (2026-03-14T09:33:29Z)
• From Perception to Action: An Interactive Benchmark for Vision Reasoning [51.11355591375073]
  Causal Hierarchy of Actions and Interactions (CHAIN)ベンチマークは、モデルが物理的制約に基づいて構造化されたアクションシーケンスを理解し、計画し、実行できるかを評価するために設計された。 CHAINは、受動的知覚からアクティブな問題解決、機械パズルのインターロックや3D積み重ね、パッキングといったタスクへと評価をシフトする。 以上の結果から,トップパフォーマンスモデルでは,物理構造や因果制約の内在化に苦慮し,信頼性の高い長期計画の作成に失敗することが多く,認識された構造を効果的に翻訳することができないことが示唆された。
  論文  参考訳（メタデータ） (2026-02-24T15:33:02Z)
• RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark [71.3555284685426]
  本稿では,双方向機能相乗効果を評価するためのベンチマークであるRealUnifyを紹介する。 RealUnifyは、10のカテゴリと32のサブタスクにまたがる、細心の注意を払ってアノテートされた1000のインスタンスで構成されている。 現在の統一モデルは、効果的な相乗効果を達成するのに依然として苦労しており、アーキテクチャの統一だけでは不十分であることを示している。
  論文  参考訳（メタデータ） (2025-09-29T15:07:28Z)
• Neural Persistence Dynamics [8.197801260302642]
  時間発展する点雲のトポロジにおける力学を学習する問題を考察する。 提案したモデル - $textitNeural Persistence Dynamics$ - は、パラメータ回帰タスクの多種多様なセットで最先端のパフォーマンスを大幅に上回る。
  論文  参考訳（メタデータ） (2024-05-24T17:20:18Z)
• Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
  モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。 所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。 医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-06-10T16:20:59Z)
• Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
  因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。 この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。 実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
  論文  参考訳（メタデータ） (2020-08-02T11:19:36Z)
• S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
  モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。 我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
  論文  参考訳（メタデータ） (2020-07-13T17:44:30Z)

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。