論文の概要: World Value Models for Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2606.24742v1
- Date: Tue, 23 Jun 2026 16:07:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:16:49.046968
- Title: World Value Models for Robotic Manipulation
- Title（参考訳）: ロボットマニピュレーションのための世界価値モデル
- Authors: Zhihao Wang, Jianxiong Li, Yu Cui, Yuan Gao, Xianyuan Zhan, Junzhi Yu, Xiao Ma,
- Abstract要約: 汎用価値モデルは、大規模で混合品質のデータから学ぶロボットポリシーのスケーリングにおいて重要な役割を担っている。
既存のロボット価値モデルは、主に静的または時間的にスパースな視覚観察に基づいて事前訓練されたビジョン・ランゲージ・モデル(VLM)のバックボーン上に構築されている。
我々は、データ品質を評価するための正確なタスク進捗を提供する、新しいジェネラリストロボット価値モデル、World Value Model (WVM)を構築します。
- 参考スコア（独自算出の注目度）: 36.23924636021996
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Generalist value models play a pivotal role in scaling robotic policy learning from large-scale, mixed-quality data. Mathematically, accurate value estimation demands deep temporal understanding, requiring models to both ground the current belief using historical context and plan over future outcomes. However, most existing robotic value models are built on Vision-Language Model (VLM) backbones that are pretrained primarily on static or temporally sparse visual observations, lacking the requisite temporal modeling capabilities for value estimation. Unlike VLMs, world models naturally excel at temporal modeling and future planning, making them ideal foundations for learning generalizable value functions. Driven by this insight, we marry world models with value estimation to construct a new generalist robotic value model, World Value Model (WVM), that offers accurate task progressions to assess data quality. On standard benchmarks, WVM delivers state-of-the-art (SOTA) Value-Order Correlation (VOC) results. Complementing standard evaluation suites that contains only expert data, we further introduce Suboptimal-Value-Bench, a multi-embodiment benchmark consisting of 800 suboptimal trajectories with high-fidelity, human-labeled frame annotations. Our evaluations show that WVM maintains its SOTA performance on Suboptimal-Value-Bench, establishing its robustness in handling both expert and suboptimal data. When deployed for policy learning, WVM improves manipulation performance across various policy extraction approaches in both simulated and real-world deployment, providing robust guidance for learning from mixed-quality data.
- Abstract（参考訳）: 汎用価値モデルは、大規模で混合品質のデータから学ぶロボットポリシーのスケーリングにおいて重要な役割を担っている。
数学的に、正確な値推定は時間的理解を深く要求し、モデルが現在の信念を歴史的文脈を用いて基礎づけることと将来の成果を計画することの両方を要求する。
しかしながら、既存のロボット価値モデルのほとんどは、主に静的または時間的にスパースな視覚観察に基づいて事前訓練されたビジョン・ランゲージ・モデル(VLM)のバックボーン上に構築されており、価値推定に必要な時間的モデリング機能が欠如している。
VLMとは異なり、世界モデルは時間モデリングや将来の計画に優れており、一般化可能な値関数を学習するための理想的な基盤となっている。
この知見に基づいて、我々は、データ品質を評価するための正確なタスク進捗を提供する、新しいジェネラリストロボット価値モデル、World Value Model (WVM)を構築するために、価値推定を伴う世界モデルと結婚する。
標準ベンチマークでは、WVMは最先端(SOTA)の値順序相関(VOC)結果を提供する。
専門家データのみを含む標準評価スイートを補完し,高忠実なヒューマンラベル付きフレームアノテーションを持つ800個の準最適軌道からなるマルチエンボディメントベンチマークであるSuboptimal-Value-Benchを導入する。
評価の結果、WVMはサブ最適値ベンチ上でのSOTA性能を維持しており、エキスパートデータとサブ最適データの両方を扱う場合のロバスト性を確立している。
ポリシ学習のためにデプロイされると、WVMはシミュレートと実世界の両方のデプロイメントにおいて、さまざまなポリシ抽出アプローチの操作パフォーマンスを改善し、混合品質データから学ぶための堅牢なガイダンスを提供する。
関連論文リスト
- GEM: Generative Supervision Helps Embodied Intelligence [60.28190143133428]
VLM(Embodied Vision-Language Models)は、ロボット工学における優れた性能と一般化を実証している。
標準的なテキスト誘導事前学習パラダイムの高レベルのセマンティックフォーカスと、エンボディ環境での実行に不可欠な低レベルの空間的および物理的知識との間には、大きなギャップが残っている。
我々は、この分割を橋渡しするために設計された、ジェネレーティブ制御されたエンボディード視覚言語モデルであるGEMを紹介する。
論文 参考訳（メタデータ） (2026-05-27T14:39:42Z) - Q-REAL: Towards Realism and Plausibility Evaluation for AI-Generated Content [71.46991494014382]
本稿では,AI生成画像におけるリアリズムと妥当性の詳細な評価のための新しいデータセットであるQ-Realを紹介する。
Q-Realは、人気のあるテキスト・ツー・イメージ・モデルによって生成される3,088のイメージで構成されている。
そこで本研究では,Q-Real Benchを2つの課題,すなわち判断と推論による根拠付けに基づいて評価する。
論文 参考訳（メタデータ） (2025-11-21T02:43:17Z) - RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。
HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。
我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
論文 参考訳（メタデータ） (2025-07-12T01:58:04Z) - Adapting Vision-Language Models for Evaluating World Models [24.813041196394582]
データおよび計算制約下でのシミュレーション環境におけるロールアウトに対する視覚言語評価手法であるUNIVERSEを提案する。
本研究では,タスク形式,コンテキスト長,サンプリング戦略,データ構成を網羅した,完全,部分的,パラメータ効率の微調整を大規模に検討する。
その結果得られた統合評価器は、単一のチェックポイントを使用してタスク固有のベースラインのパフォーマンスにマッチする。
論文 参考訳（メタデータ） (2025-06-22T09:53:28Z) - RLVR-World: Training World Models with Reinforcement Learning [41.04369775904968]
検証可能な報酬で強化学習を活用する統合フレームワークであるRLVR-Worldを提案する。
我々は,テキストゲーム,Webナビゲーション,ロボット操作など,ドメイン間の言語およびビデオベースの世界モデルにおいて,大幅なパフォーマンス向上を示す。
論文 参考訳（メタデータ） (2025-05-20T05:02:53Z) - Benchmarking community drug response prediction models: datasets, models, tools, and metrics for cross-dataset generalization analysis [36.689210473887904]
本稿では,ディープラーニング(DL)モデルと機械学習(ML)モデルにおけるデータセット間予測の一般化を評価するためのベンチマークフレームワークを提案する。
絶対的なパフォーマンス(データセット間での予測精度など)と相対的なパフォーマンス(例えば、データセット内の結果と比較してパフォーマンス低下)の両方を定量化します。
本結果は,厳密な一般化評価の重要性を浮き彫りにして,未知のデータセット上でモデルをテストする場合の大幅な性能低下を明らかにした。
論文 参考訳（メタデータ） (2025-03-18T15:40:18Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳（メタデータ） (2023-11-06T00:21:44Z)
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。