論文の概要: 3D Point World Models: Point Completion Enables More Accurate Dynamics Learning
- arxiv url: http://arxiv.org/abs/2607.00148v1
- Date: Tue, 30 Jun 2026 20:27:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.621551
- Title: 3D Point World Models: Point Completion Enables More Accurate Dynamics Learning
- Title（参考訳）: 3Dポイントワールドモデル:より正確なダイナミクス学習を可能にするポイントコンプリート
- Abstract要約: 3Dポイントワールドモデル (3DPWM) は、最初に部分点雲を完了し、その完了した3Dシーンで動作条件のダイナミクスを学ぶことによって、完全に3D空間で動作する。
3DPWMは、完成した幾何学の操作により、信頼性の高い長距離ロールアウトとモデルベースプランニングのためのより正確なコスト評価を可能にする。
- 参考スコア（独自算出の注目度）: 15.342128998069214
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Learning predictive models of the world enables robotic control through planning, potentially allowing robots to improvise solutions on new tasks. However, large video-based dynamics models lack explicit 3D spatial structure and suffer from geometrically inconsistent long-term rollouts with compounding errors. Emerging 3D dynamics models based on partial point clouds improve geometric consistency but remain sensitive to occlusions and accumulated prediction drift. To address these challenges, we present 3D Point World Models (3DPWM) - a task-agnostic world model that operates entirely in 3D space by first completing partial point clouds and then learning action-conditioned dynamics in this completed 3D scene. By operating on completed geometry, 3DPWM enables reliable long-horizon rollouts and more accurate cost evaluation for model-based planning while supporting adaptation to new tasks. Experiments across different robotic embodiments and tabletop manipulation benchmarks demonstrate that 3DPWM achieves significantly more reliable long-horizon rollouts (100-300+ steps), supports both open-loop and closed-loop planning, and enables successful sim-to-real transfer.
- Abstract（参考訳）: 世界の予測モデルを学習することで、計画を通じてロボット制御が可能になり、ロボットは新しいタスクでソリューションを即興で実現することができる。
しかし、大規模なビデオベースのダイナミックスモデルでは、明示的な3次元空間構造が欠如しており、複雑なエラーを伴う幾何学的に一貫性のない長期ロールアウトに悩まされている。
部分点雲に基づく新しい3次元力学モデルにより幾何的整合性が向上するが、オクルージョンや蓄積予測ドリフトに敏感である。
これらの課題に対処するため、3Dポイント・ワールド・モデル(DPWM)を提案する。これはタスクに依存しない世界モデルで、まず部分的なポイント・クラウドを完了し、次にこの完了した3Dシーンでアクション条件のダイナミックスを学ぶことで、完全に3D空間で動作する。
3DPWMは、完成した幾何学を操作することにより、信頼性の高い長距離ロールアウトを可能にし、新しいタスクへの適応をサポートしながら、モデルベース計画のより正確なコスト評価を可能にする。
異なるロボットエボディメントとテーブルトップ操作ベンチマークによる実験により、3DPWMはより信頼性の高いロングホライゾンロールアウト(100-300以上のステップ)を実現し、オープンループとクローズループの計画の両方をサポートし、シモン・トゥ・リアル・トランスファーを成功させることが示されている。
関連論文リスト
- LAWM-3D: Learning 3D-Aware Latent Actions from Human Videos for Generalizable Robot World Models [64.11117186468533]
世界モデルは、エージェントが現実世界のインタラクションなしで前方ロールアウトと計画を実行することを可能にする。
既存のLAMのほとんどはシングルビュー入力に依存しており、主に2Dピクセル空間で動作する。
LAWM-3Dは、3D対応の潜伏動作を学習するための3つの密結合型鍵設計を提案する。
論文 参考訳（メタデータ） (2026-08-06T07:47:01Z) - KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding [58.541098216700796]
エンボディド・ワールド・モデルの 物理的整合性を評価することは 重要なオープン・チャレンジです
既存のフレームワークはほとんどがアクション抽出に逆ダイナミクスモデル(IDM)に依存している。
IDMのないEWMのためのクローズドループベンチマークであるKineBenchを紹介する。
論文 参考訳（メタデータ） (2026-07-22T08:04:17Z) - Lift3D-VLA: Lifting VLA Models to 3D Geometry and Dynamics-Aware Manipulation [76.16065370700488]
We introduced Lift3D-VLA, a unified VLA framework that equips models with explicit 3D point cloud reasoning and possible temporally coherent action generation。
我々は,Lift3D-VLAがMetaWorldとRLBenchの平均成功率を10.8%,11.1%向上したことを示す。
論文 参考訳（メタデータ） (2026-07-07T17:59:47Z) - Structured 4D Latent Predictive Model for Robot Planning [47.15864337571781]
本研究では,観察とテキストによる指示を条件とした構造付き潜時空間におけるシーンの3次元構造の進化を予測する構造的4次元潜時予測モデルを提案する。
我々の表現は、シーンを一様にエンコードし、多様な3Dフォーマットにデコードすることで、より完全で一貫したシーン理解を可能にします。
実験により、我々のモデルは、最先端のビデオベースプランナと比較して、強力な視覚的品質、かなり優れた3次元整合性、マルチビューコヒーレンスを持つ未来を生成することが示された。
論文 参考訳（メタデータ） (2026-07-01T16:52:49Z) - Future Dynamic 3D Reconstruction: A 3D World Model with Disentangled Ego-Motion [69.61280478695205]
本研究では,将来の動的3次元再構成のための3次元潜在表現を予測する世界モデルFR3Dを提案する。
実験では、FR3Dが将来的な動的3D再構成において、複数のデータセットにまたがるモノラルな観察から2秒後まで、強力なパフォーマンスを示す。
論文 参考訳（メタデータ） (2026-06-16T17:59:46Z) - WAM4D: Fast 4D World Action Model via Spatial Register Tokens [52.16661403052964]
WAM4Dは,軽量空間レジスタトークンを用いた高速4次元世界アクションモデルである。
WAM4Dは空間的整合性を向上し,効率的な推論を維持しつつ,競争力のある動作予測を実現する。
論文 参考訳（メタデータ） (2026-06-12T02:49:34Z) - Beyond Pixel Histories: World Models with Persistent 3D State [50.4601060508243]
PERSISTは、潜伏した3Dシーンの進化をシミュレートする世界モデルの新たなパラダイムである。
既存の手法に比べて空間記憶,3次元整合性,長期安定性が大幅に向上した。
論文 参考訳（メタデータ） (2026-03-03T19:58:31Z) - PointWorld: Scaling 3D World Models for In-The-Wild Robotic Manipulation [48.807071017228964]
我々は,3次元の点流として共有された3次元空間における状態と動作を統一する,大規模な事前学習型3次元世界モデルであるPointWorldを紹介した。
リアルタイム(0.1秒)の推論速度により、PointWorldは、操作のためのモデル予測制御(MPC)フレームワークに効率的に統合できる。
本研究では,実世界のフランカロボットが,物体の剛体押圧,変形,調音操作を行うことのできる1つの事前学習チェックポイントを実証した。
論文 参考訳（メタデータ） (2026-01-07T10:29:12Z) - D3D-VLP: Dynamic 3D Vision-Language-Planning Model for Embodied Grounding and Navigation [66.7166217399105]
エージェントは、エンドツーエンドモデルには解釈可能性や明示的な3D推論が欠けているという、重要なジレンマに直面します。
1) 計画,グラウンド,ナビゲーション,質問応答を単一の3D-VLMパイプラインとCoTパイプラインで統一する動的3Dチェーン(3D CoT) ; 2) フラグメンテッド・スーパービジョン(SLFS)戦略からのシナジスティック学習 マスク付き自己回帰損失を用いて,大規模かつ部分的に注釈付けされたハイブリッドデータから学習する。
論文 参考訳（メタデータ） (2025-12-14T09:53:15Z) - Lift3D Foundation Policy: Lifting 2D Large-Scale Pretrained Models for Robust 3D Robotic Manipulation [30.744137117668643]
Lift3Dは、ロバストな3D操作ポリシーを構築するために、暗黙的で明示的な3Dロボット表現で2Dファンデーションモデルを強化するフレームワークである。
実験では、Lift3Dはいくつかのシミュレーションベンチマークや実世界のシナリオで、最先端の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2024-11-27T18:59:52Z) - 3D-VLA: A 3D Vision-Language-Action Generative World Model [68.0388311799959]
最近の視覚言語アクション(VLA)モデルは2D入力に依存しており、3D物理世界の広い領域との統合は欠如している。
本稿では,3次元知覚,推論,行動をシームレスにリンクする新しい基礎モデルのファウンデーションモデルを導入することにより,3D-VLAを提案する。
本実験により,3D-VLAは実環境における推論,マルチモーダル生成,計画能力を大幅に向上することが示された。
論文 参考訳（メタデータ） (2024-03-14T17:58:41Z) - Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。
自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
論文 参考訳（メタデータ） (2024-02-19T15:33:09Z)
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。