論文の概要: J-LAW: Joint Localization and Actionable World Modeling via Coupled Latent Factor Graphs

• arxiv url: http://arxiv.org/abs/2606.28712v1
• Date: Sat, 27 Jun 2026 03:39:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.663344
• Title: J-LAW: Joint Localization and Actionable World Modeling via Coupled Latent Factor Graphs
• Title（参考訳）: J-LAW:結合潜在因子グラフによる共同局在と行動可能世界モデリング
• Abstract要約: 行動条件付き世界モデルは計画のためのコンパクトな潜在力学を学習するが、グローバルなメートル法一貫性は無視する。 J-LAW は、パラメータのポーズ、潜時世界状態、潜時ランドマークの埋め込みを協調的に最適化する結合因子グラフである。 MAP目標の確率的因子として,観察,行動条件予測,メートル法,ポーズ-潜時結合,潜時ループ閉鎖,潜時ランドマーク観察を行った。
• 参考スコア（独自算出の注目度）: 5.78717443304847
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Classical SLAM estimates metric poses and a geometric map but produces no actionable predictive model for planning. Action-conditioned world models learn compact latent dynamics for planning but ignore global metric consistency and accumulate drift under open-loop rollout. We argue these are two views of the same estimation problem and propose J-LAW (Joint Localization and Actionable World Modeling) in this letter: a coupled factor graph that jointly optimizes metric object poses, latent world states, and latent landmark embeddings. The bridge is a pose-conditioned latent encoder and a learned pose--latent coupling factor, so that better localization improves the world model and vice versa. We cast observation, action-conditioned prediction, metric odometry, pose--latent coupling, latent loop closure, and latent landmark observation as probabilistic factors in a single MAP objective. Real-data experiments on PushT and WildGS show that coupled graph correction substantially reduces latent prediction RMSE and endpoint drift relative to open-loop rollout, while latent loop closure improves global trajectory consistency. J-LAW yields a map that is simultaneously metric (poses) and actionable (latent landmarks for planning).
• Abstract（参考訳）: 古典的SLAMは計量のポーズと幾何学的マップを推定するが、計画のための実用的な予測モデルは生成しない。 行動条件付き世界モデルは計画のためにコンパクトな潜伏ダイナミクスを学習するが、グローバルなメートル法一貫性を無視し、オープンループロールアウト時にドリフトを蓄積する。 我々はこれらが同じ推定問題の2つの見解であり、J-LAW (Joint Localization and Actionable World Modeling) を提案する。 ブリッジはポーズ条件付き潜伏エンコーダであり、学習されたポーズ-潜伏結合因子であり、より優れたローカライゼーションにより世界モデルが改善され、その逆も改善される。 MAP目標の確率的因子として,観察,行動条件予測,メートル法,ポーズ-潜時結合,潜時ループ閉鎖,潜時ランドマーク観察を行った。 PushTとWildGSの実データ実験により、結合グラフ補正は、開ループのロールアウトに対して潜時予測RMSEと終端ドリフトを著しく低減する一方、潜時ループのクロージャはグローバルな軌道の整合性を改善することが示されている。 J-LAW は、メートル法(目的)と実行可能な(計画のための最新のランドマーク)マップを同時に生成する。

関連論文リスト

• Does Latent Planning Survive Point Clouds? Action-Conditioned JEPA World Models for Geometric Observations [0.0]
  JEPAワールドモデルは、ラテントスペースを制御するための実用的なルートにします。 0.3-15%のシーンポイントが移動し,3次元自己監督の幾何学的ショートカットによる潜伏予測化合物の時間的最適度が向上した。 標準的なJEPA設計を3つ挙げて、クラウド、フリーズエンコーダ、分散プライア、アクションセンシティブ、および安定なワールドモデルベンチマークを再センスします。
  論文  参考訳（メタデータ） (2026-08-29T20:41:41Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• VIScore: Diagnosing Planning-Relevant Quality in Latent World Models [21.894781659564817]
  潜在空間を等方性ガウス分布に規制することは、世界モデル計画のための安定で情報に最適化された景観を提供する。 SIGReg と VISReg の2つの正規化損失関数を同じ分布対象の異なる性質で比較して検討する。 SIGRegと比較すると、VISRegは中心、スケール、形状の正規化の重みを制御できる柔軟性が高く、バッチサイズが大きいほど分布近似が微妙になる。 符号化された予測器の到達性とキャパシティを定量化する指標であるVeracity-Influence-Sobriety score (VIScore)を提案する。
  論文  参考訳（メタデータ） (2026-08-11T17:34:10Z)
• Pondering the Way: Spatial-perceiving World Action Model for Embodied Navigation [24.310993695214094]
  SWAM(Spatial-Perceiving World Action Model)は,タスク中心の共同観測行動生成フレームワークである。 スタートとゴールのRGB観測が与えられた場合、SWAMはシングルパス推論を行い、中間のRGB-Dシーケンスと対応するアクショントラジェクトリを同時に生成する。 SWAMは、成功率、軌道精度、推論効率において、最先端の2段階プランナーを著しく上回っている。
  論文  参考訳（メタデータ） (2026-06-29T07:43:47Z)
• Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
  Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。 表現の崩壊を防ぎ、アクション整列表現を誘導する。 コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
  論文  参考訳（メタデータ） (2026-06-18T11:25:16Z)
• Latent Geometry Beyond Search: Amortizing Planning in World Models [17.571800971505787]
  学習した表現は、単に予測を有効にするのではなく、制御を単純化できることを示す。 反復計画を手軽なゴール条件逆ダイナミクスモデル(GC-IDM)に置き換える コントローラは環境プロトコール設定8つのうち7つでCEMと一致または超過し、判定あたりのコストを100-130倍に削減する。
  論文  参考訳（メタデータ） (2026-05-09T06:36:23Z)
• MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons [56.68975315643491]
  本稿では,ビデオ・ツー・ローテーションとビデオ・ツー・ローテーションを共同で学習し,最適化する,最初のエンドツーエンドフレームワークを提案する。 本手法は, メッシュベースパイプラインの20倍の速度で, 回転誤差を17度から10度, 見えない骨格では6.54度に低減する。
  論文  参考訳（メタデータ） (2026-04-30T17:16:38Z)
• Lifting Embodied World Models for Planning and Control [59.09016913513998]
  我々は、ハイレベルなアクションを低レベルなジョイントアクションのシーケンスにマッピングする軽量なポリシーを訓練する。 我々は、この枠組みを人間的な実施のためにインスタンス化し、ハイレベルなアクション空間を2次元のウェイポイントの小さなセットとして定義する。 昇降した世界モデルは,低レベルな関節空間で直接探索するよりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2026-04-28T23:59:19Z)
• Policies over Poses: Reinforcement Learning based Distributed Pose-Graph Optimization for Multi-Robot SLAM [1.3750624267664158]
  多ボットローカライゼーションにおける逐次分散ポーズグラフ最適化(PGO)について検討する。 我々は,PGOをマルコフニューラルネットワーク(GNN)上で定義された部分観測可能なゲームとみなし,各アクションが単一エッジのポーズ推定を洗練させる。 学習者の平均軌道は37.5%減少し,効率は少なくとも6倍向上した。
  論文  参考訳（メタデータ） (2025-10-26T16:21:24Z)
• S$^2$Transformer: Scalable Structured Transformers for Global Station Weather Forecasting [67.93713728260646]
  既存の時系列予測手法は、大規模なグローバルステーション予測を行う際に、空間的相関を無視または一方向的にモデル化することが多い。 これは、予測性能を制限する地球規模の気象システムの観測の根底にある性質と矛盾する。 本稿では,構造的空間的注意を新たに提案する。 空間グラフを一連のサブグラフに分割し、サブグラフ内の注意をインスタンス化し、各サブグラフ内の局所的な空間相関を学習する。 ノードをサブグラフ間のメッセージパッシングのためのサブグラフ表現に集約する。
  論文  参考訳（メタデータ） (2025-09-10T05:33:28Z)
• OR-Net: Pointwise Relational Inference for Data Completion under Partial Observation [51.083573770706636]
  この作業はリレーショナル推論を使って不完全なデータを埋めます。 本稿では,2つの点での相対性理論をモデル化するために,全関係ネットワーク (or-net) を提案する。
  論文  参考訳（メタデータ） (2021-05-02T06:05:54Z)

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。