論文の概要: Latent Goal Prediction from Language for Model-Based Planning

• arxiv url: http://arxiv.org/abs/2606.20627v1
• Date: Tue, 26 May 2026 20:04:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 23:05:17.059186
• Title: Latent Goal Prediction from Language for Model-Based Planning
• Title（参考訳）: モデルベース計画のための言語からの潜在目標予測
• Abstract要約: Latent Goal Prediction from Language (LAGO) は、言語命令とアクション条件付きロールアウトから中間目標状態のシーケンスを予測するフレームワークである。 LAGOは、言語から純粋に頑健で正確なロングホライゾン計画を達成することで、テキスト誘導制御の柔軟性によって視覚目標の精度を橋渡しする。
• 参考スコア（独自算出の注目度）: 19.768973349254285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Planning with world models is bottlenecked by compounding prediction errors and the difficulty of defining optimizable goals. Visual targets provide precise local gradients but poor distant guidance, while language is flexible yet limited by noisy cross-modal alignment or dependence on large generative models unsuited for the high-sampling nature of model-based planning. To address these challenges, we introduce Latent Goal Prediction from Language (LAGO), a framework that predicts both sequences of intermediate goal states from language instructions and action-conditioned rollouts, all within the same latent space. Rather than optimizing toward a single global objective, LAGO dynamically decomposes instructions into explicitly predicted, locally tractable latent subgoals. By updating these subgoals online and using a soft minimum trajectory cost during planning, LAGO enables an agent to follow coherent latent trajectories over long horizons. Evaluation across multiple environments planning horizons shows that LAGO avoids the sharp degradation of prior methods. By achieving robust and precise long-horizon planning purely from language, LAGO bridges the precision of visual goals with the flexibility of text-guided control.
• Abstract（参考訳）: 世界モデルによる計画は、予測エラーと最適な目標を定義することの難しさが混ざり合っていることでボトルネックとなる。 視覚的ターゲットは、正確な局所勾配を提供するが、遠方誘導が貧弱である一方で、言語は、ノイズの多いクロスモーダルアライメントや、モデルベース計画の高サンプリングの性質に適さない大きな生成モデルへの依存によって、柔軟に制限される。 これらの課題に対処するために,言語命令と動作条件付きロールアウトから中間目標状態のシーケンスを予測するフレームワークであるLatent Goal Prediction from Language (LAGO)を紹介した。 LAGOは、単一のグローバルな目的に向けて最適化するのではなく、動的に命令を明示的に予測され、局所的に抽出可能な潜在サブゴールに分解する。 LAGOは、これらのサブゴールをオンラインで更新し、計画中にソフトな最小軌跡コストを使用することで、エージェントが長い地平線上でコヒーレントな潜在軌跡に従うことを可能にする。 複数の環境にまたがる地平線の評価は,LAGOが先行手法の急激な劣化を回避していることを示している。 LAGOは、言語から純粋に頑健で正確なロングホライゾン計画を達成することで、テキスト誘導制御の柔軟性によって視覚目標の精度を橋渡しする。

関連論文リスト

• WorldScape Policy 2.0: Empowering Steerable World Action Modeling with Reasoning-Augmented Memory [50.19449886428936]
  We introduced WorldScape Policy 2.0, a controllable WAM with reasoning-augmented long long-term memory。 検索された履歴は、認識と自己回帰的に生成された計画トークンを増大させ、自律的な計画のための暗黙のサブゴール条件をもたらす。 シミュレーションと実世界のプラットフォームにおける実験は、長期の自律計画、きめ細かい指示、文脈内適応において優れた能力を示す。
  論文  参考訳（メタデータ） (2026-07-21T08:25:37Z)
• AnchorVLA: Bridging Discrete Decisions and Continuous Trajectories for Vision-Language-Action Planning [13.949868529278504]
  AnchorVLAは階層的な意思決定型VLA計画フレームワークである。 トラジェクトリ・パターン・アンカーを高レベルなVLA推論と連続的なトラジェクトリ実行の間の明示的なインターフェースとして使用する。 最先端の成功率77.28、競争力89.92を達成している。
  論文  参考訳（メタデータ） (2026-07-03T10:38:30Z)
• SAGE-Nav: Leveraging LLM Planning and Alignment Fusion for Hierarchical Scene Graph-Guided Navigation [26.212246536363363]
  Object-Goal Navigation (Nav)は、エゴセントリックな視覚的観察のみを使用して、特定のターゲットを自律的に特定するエンボディエージェントを必要とする。 SAGE-Navは,Large Language Models(LLM)の推論機能と動的シーングラフを統合した,新しい階層型フレームワークである。 SAGE-Navは,物理ロボット展開に必要な低制御遅延を維持しつつ,ナビゲーション効率とゼロショット一般化の大幅な向上を実現していることを示す。
  論文  参考訳（メタデータ） (2026-06-24T07:24:39Z)
• Beyond the Next Step: Variable-Length Latent World Models for Long-Horizon Planning [40.09669638091686]
  本稿では,可変長の動作列に条件付き潜在状態を予測するフレームワークを提案する。 実験により、可変長ラテント・ワールド・モデルがラテント・スペース・ワールド・モデルを大幅に改善していることが示されている。
  論文  参考訳（メタデータ） (2026-06-19T21:50:15Z)
• 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)
• ThinkJEPA: Empowering Latent World Models with Large Vision-Language Reasoning Model [53.15040805435013]
  視覚言語モデル(VLM)は、一様にサンプリングされたフレームを解析することで、強力なセマンティックグラウンドと一般的な知識を提供する。 本稿では,高密度フレーム・ダイナミックス・モデリングと長軸意味指導を組み合わせたVLM誘導型JEPA型潜在世界モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-23T17:59:42Z)
• PILOT: Planning via Internalized Latent Optimization Trajectories for Large Language Models [51.43746425777865]
  大規模言語モデル(LLM)は、しばしばグローバル戦略を定式化する能力に欠けており、長い水平タスクにおけるエラーの伝播につながる。 PILOTは,大規模モデルの戦略的監視を本質的な潜伏誘導に内部化するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-01-07T12:38:56Z)
• NavForesee: A Unified Vision-Language World Model for Hierarchical Planning and Dual-Horizon Navigation Prediction [12.352236127154761]
  本稿では,高レベル言語計画と予測的世界モデルイマジネーションを統合するビジョン・ランゲージ・モデル(VLM)について紹介する。 我々のアプローチでは、単一のVLMが同時に計画と予測の監視を行うことができる。 私たちの研究は、暗黙の時間的予測で明示的な言語計画を融合させ、よりインテリジェントで有能なエンボディエージェントの道を開く、という大きな可能性を浮き彫りにしています。
  論文  参考訳（メタデータ） (2025-12-01T11:24:16Z)
• UnLoc: Leveraging Depth Uncertainties for Floorplan Localization [80.55849461031879]
  UnLocはフロアプラン内のシーケンシャルカメラローカライゼーションのための効率的なデータ駆動ソリューションである。 本研究では,不確実性推定を組み込んだ新しい確率モデルを導入し,深度予測を明示的な確率分布としてモデル化する。 我々はUnLocを大規模合成および実世界のデータセット上で評価し、精度とロバスト性の観点から大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2025-09-14T14:45:43Z)
• Aligning LLM+PDDL Symbolic Plans with Human Objective Specifications through Evolutionary Algorithm Guidance [1.8974443450771445]
  我々は,記号的目標仕様の集団を生成するための進化的アプローチを開発する。 本研究は,海上災害復旧作業における原型仕様の収集に対するアプローチを評価するものである。
  論文  参考訳（メタデータ） (2024-11-30T00:58:48Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)
• Few-shot Subgoal Planning with Language Models [58.11102061150875]
  事前訓練された言語モデルにエンコードされた言語は、細粒度のサブゴール列を推測できることを示す。 サブゴナル・インスペクションを強く仮定する最近の手法とは対照的に,我々の実験では,詳細なサブゴラル・シーケンスを微調整せずに推論できる言語モデルが示されている。
  論文  参考訳（メタデータ） (2022-05-28T01:03:30Z)
• Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
  未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。 視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。 本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:58:56Z)

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。