論文の概要: Fast LeWorldModel

• arxiv url: http://arxiv.org/abs/2606.26217v1
• Date: Wed, 24 Jun 2026 17:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.034081
• Title: Fast LeWorldModel
• Title（参考訳）: Fast LeWorldModel
• Abstract要約: 我々は、繰り返しローカルロールアウトをアクション予測に置き換える高速遅延世界モデルであるFast LeWorldModel(Fast-LeWM)を提案する。 アクションプレフィックスを基本的な予測単位にすることで、Fast-LeWMは複数の水平線上で蓄積されたアクション効果を直接モデル化する。 Fast-LeWMはLeWMよりも平均的な成功を向上し、計画時間を大幅に短縮し、オープンループ遅延損失の低減を実現している。
• 参考スコア（独自算出の注目度）: 5.938994204098151
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Joint-Embedding Predictive Architectures (JEPAs), including recent LeWorldModel (LeWM), have become a promising foundation for reconstruction-free visual world models. For visual planning, however, LeWM evaluates candidate action sequences by repeatedly applying a local one-step latent transition model. This autoregressive rollout makes planning computationally expensive and exposes the predicted trajectory to accumulated latent errors as the horizon grows. We propose Fast LeWorldModel (Fast-LeWM), a fast latent world model that replaces repeated local rollout with action-prefix prediction. Given the current latent and a candidate action sequence, Fast-LeWM encodes its prefixes and predicts the future latents reached after executing those prefixes in parallel. By making action prefixes the basic prediction unit, Fast-LeWM directly models action effects accumulated to different extents over multiple horizons. This prefix-level supervision forces the model to learn how states continuously evolve under different action prefixes, rather than only fitting one-step state transitions. During planning, the predictor can use the last prefix token from the encoded action sequence to evaluate the corresponding future latent without explicitly rolling through each intermediate imagined state. Across multiple tasks, Fast-LeWM improves average success over LeWM while substantially reducing planning time, achieving lower open-loop latent loss whose growth becomes significantly slower as the rollout horizon increases.
• Abstract（参考訳）: 最近のLeWorldModel(LeWM)を含むJEPA(Joint-Embedding Predictive Architectures)は、再構築不要のビジュアルワールドモデルのための有望な基盤となっている。 しかし、視覚計画において、LeWMは局所的なワンステップ潜時遷移モデルを繰り返し適用することにより、候補行動列を評価する。 この自己回帰的なロールアウトにより、計画が計算コストが高くなり、水平線が大きくなるにつれて予測された軌道が蓄積された遅延エラーに露呈する。 我々は、繰り返しローカルロールアウトをアクション-プレフィックス予測に置き換える高速潜在世界モデルであるFast LeWorldModel(Fast-LeWM)を提案する。 Fast-LeWMはそのプレフィックスをエンコードし、それらのプレフィックスを並列に実行した後で到達した将来のラテントを予測する。 アクションプレフィックスを基本的な予測単位にすることで、Fast-LeWMは複数の水平線上で蓄積されたアクション効果を直接モデル化する。 このプレフィックスレベルの監督は、1段階の状態遷移のみを適合させるのではなく、異なるアクションプレフィックスの下で状態がどのように継続的に進化するかを学ぶようモデルに強制する。 計画中、予測子は、符号化されたアクションシーケンスから最後の接頭辞トークンを使用して、各中間想像状態を明示的にローリングすることなく、対応する将来の潜伏状態を評価することができる。 複数のタスクにわたって、Fast-LeWMはLeWMよりも平均的な成功を向上し、プランニング時間を大幅に短縮し、ロールアウト水平線の増加に伴って成長が著しく遅くなるオープンループ遅延損失を低くする。

関連論文リスト

• Drive-HWM: Hierarchical World Models for Dynamic-Latent Guided Autonomous Driving [78.83165764484562]
  Drive-HWMは階層的なスローファーストな世界モデリングフレームワークで、将来の表現予測とアクション生成を補完的な時間スケールで構成する。 次のフレーム予測では、高速モデルが差し迫ったシーンの進化を捉え、一方1ステップのアクション生成は、新しい観察が到着すると、決定を継続的に更新することを可能にする。
  論文  参考訳（メタデータ） (2026-09-03T09:21:19Z)
• WALL-SS: Scaling Long-horizon World Models via Next-Scale Autoregression [24.010807495676605]
  生成的世界モデルは、相互作用の下で世界がどのように進化するかの予測モデルを提供する。 WALL-SSは,スケールワイドの自己回帰スケーリングによって視覚的未来を生成する世界モデルである。 We show that WALL-SS improves action following and trajectory accuracy, support coherent minute-long streaming rollout under bounded memory, and consistent benefit of on-policy alignment。
  論文  参考訳（メタデータ） (2026-08-26T17:57:12Z)
• ActSWM: Action-Sensitive World Models for Long-Horizon Planning in Open-World Games [6.8149466180197]
  本稿では, 遷移分離原理に基づく行動感応的潜在世界モデルである ActSWM を提案する。 ActSWMは、ステップドリフト分析、クローズループマインクラフト計画、ゲーム間のローカルアクションリカバリなどを通じて、既存のベースラインよりも大きなアクション依存ロールアウトギャップを維持している。
  論文  参考訳（メタデータ） (2026-07-29T09:55:54Z)
• TempAct: Advancing Temporal Plausibility in Autoregressive Video Generation via Planner-Executor RL [72.7712729541565]
  自己回帰(AR)ビデオ拡散モデルにより、ビデオチャンクをキャッシュされたビジュアルコンテキストでチャンクで合成することで、低レイテンシなストリーミング生成を可能にする。 1つのグローバルプロンプトは、どのサブイベントを各チャンクで実現すべきかを指定しないが、ステップワイズプロンプトにナビゲート的に切り替えると、しばしば遅延反応、ブレンドステップセマンティクス、プロンプト遷移間のエラー伝播につながる。 我々は、時間分解とステップ条件付き実行を協調的に最適化し、時間分解可能なARビデオ生成のためのプランナー-実行型強化学習フレームワークであるTempActでこれらの課題に対処する。
  論文  参考訳（メタデータ） (2026-06-26T12:19:28Z)
• 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)
• Next Forcing: Causal World Modeling with Multi-Chunk Prediction [65.05727210375643]
  Next Forcingは、因果世界モデリングのためのマルチチャンク予測フレームワークである。 トレーニングの高速化、精度の向上、推論の高速化を実現している。 5kのトレーニングステップでLingBot-VAよりも93.1%向上し、2.3倍高速収束を実現している。
  論文  参考訳（メタデータ） (2026-06-09T17:59:22Z)
• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• 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)
• MWM: Mobile World Models for Action-Conditioned Consistent Prediction [19.819967401664464]
  計画に基づく画像ゴールナビゲーションのためのモバイルワールドモデルを提案する。 本稿では,Action-Conditioned Consistency (ACC)ポストトレーニングと事前トレーニングを組み合わせた2段階のトレーニングフレームワークを導入し,ロールアウト一貫性を改善した。 ベンチマークと実世界のタスクに関する実験は、視覚的忠実度、軌跡精度、計画成功、推論効率が一貫した向上を示した。
  論文  参考訳（メタデータ） (2026-03-08T20:54:50Z)
• OmniSAT: Compact Action Token, Faster Auto Regression [70.70037017501357]
  我々は、コンパクトで転送可能なアクション表現を学ぶOmni Swift Action Tokenizerを紹介する。 その結果、離散トークン化はトレーニングシーケンスを6.8$times$に短縮し、ターゲットエントロピーを低下させる。
  論文  参考訳（メタデータ） (2025-10-08T03:55:24Z)
• Masked Temporal Interpolation Diffusion for Procedure Planning in Instructional Videos [32.71627274876863]
  本稿では,授業ビデオにおけるプロシージャ計画の課題に対処し,開始と終了の視覚的観察から協調的かつタスクに沿ったアクションシーケンスを生成することを目的とする。 これまでの研究は主に、観察された状態と観察されていない行動の間のギャップを埋めるためにテキストレベルの監督に依存してきたが、行動間の複雑な時間的関係を捉えるのに苦労した。 本研究では,拡散モデル内に潜時空間時間モジュールを導入した仮設仮設時間補間拡散モデルを提案する。
  論文  参考訳（メタデータ） (2025-07-04T08:54:59Z)
• AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
  本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。 同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。 そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
  論文  参考訳（メタデータ） (2024-03-20T06:22:37Z)

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。