論文の概要: Test-Time Scaling for World Action Models via Zero-Shot Geometric Evaluation

• arxiv url: http://arxiv.org/abs/2607.17454v1
• Date: Mon, 20 Jul 2026 01:05:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.470888
• Title: Test-Time Scaling for World Action Models via Zero-Shot Geometric Evaluation
• Title（参考訳）: ゼロショット幾何学的評価による世界行動モデルのテスト時間スケーリング
• Abstract要約: 世界行動モデル(WAM)は自然に決定する: 各ロールアウトはアクションチャンクと将来の観測の両方を公開する。 WAMのためのトレーニング不要な選択的テスト時間スケーリングフレームワークである Methodgated を提案する。
• 参考スコア（独自算出の注目度）: 17.21271965568624
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Test-time scaling improves foundation-model inference by spending additional computation, but robot control requires deciding whether extra compute is useful before executing an action. World Action Models (WAMs) make this decision natural: each rollout exposes both an action chunk and predicted future observations. We propose \methodgated, a training-free selective test-time scaling framework for WAMs. We first instantiate \method, a fixed-budget Best-of-$N$ selector that ranks sampled rollouts by cross-view depth reprojection consistency of their predicted futures, computed with a frozen geometry foundation model. \methodgated\ adds a lightweight action--future consistency gate that invokes \method\ only when the initial rollout appears internally inconsistent. Across five benchmark--backbone settings on RoboCasa, LIBERO Long, and RoboTwin~2.0, fixed-budget \method\ improves $N{=}8$ task success in every setting, e.g., raising the RoboCasa group average from $66.3\%$ to $68.4\%$ with Cosmos Policy and from $80.8\%$ to $82.5\%$ with X-WAM. With gating enabled, \methodgated\ recovers on average $74.8\%$ of the always-on success gain while triggering additional sampling on only $26.2\%$ of decision points. Offline diagnostics show that cross-view reprojection is a strong task-label-free selector, and we identify false low-score selections as a failure mode that helps explain why performance can saturate or degrade as $N$ increases.
• Abstract（参考訳）: テストタイムスケーリングは、追加計算を使用することで基礎モデル推論を改善するが、ロボット制御はアクションを実行する前に、余分な計算が有用かどうかを決定する必要がある。 世界行動モデル(WAM)はこの決定を自然に行い、各ロールアウトはアクションチャンクと将来の観測の両方を公開する。 We propose \methodgated, a training-free elective test-time scaling framework for WAMs。 固定予算のベスト・オブ・N$セレクタである \method を最初にインスタンス化し,凍結幾何基礎モデルを用いて計算した。 軽量なアクション-フューチャー整合ゲートが加わった。これは、最初のロールアウトが内部で不整合である場合にのみ、‘method’を呼び出す。RoboCasa、LIBERO Long、RoboTwin~2.0のベンチマーク-バックボーン設定が5つあり、固定バッジ \method\は、すべての設定において$N{=}8$タスクの成功を改善し、例えば、RoboCasaグループを平均6.3\%から6.4\%、コスモスポリシー付きで$80.8\%、X-WAMで$8.2.5\%となる。 ゲーティングを有効にすると、\methodgated\ は平均で74.8 % の利益を回収し、さらに26.2 % の意思決定ポイントをサンプリングする。 オフライン診断では,クロスビュー・リジェクションは強力なタスクラベルのないセレクタであり,フェールな低スコア選択をフェールモードとして認識し,パフォーマンスがN$の増加とともに飽和あるいは劣化する理由を説明する。

関連論文リスト

• Entropy-Gated Latent Recursion [9.65821666936513]
  インタイムスケーリングは言語モデル推論を改善する主要なレバーとなっている。 既存の方法は、単一ソースからロールアウトの多様性を導き出す:トークンレベルのサンプリング。 この単軸サンプリング空間は基本的に制限されている。 L$軸は真に温度と相補的であることを示す。
  論文  参考訳（メタデータ） (2026-06-15T12:14:01Z)
• Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
  emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。 EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
  論文  参考訳（メタデータ） (2026-05-28T09:45:47Z)
• CarBoN: Calibrated Best-of-N Sampling Improves Test-time Reasoning [62.56541355300587]
  本稿では,高逆推論経路に向けてモデルを適応的に修正する一般的なテスト時間校正フレームワークを提案する。 本フレームワークでは,まず解空間を探索し,次にロジットの校正を学習する二相法であるCarBoNを提案する。 MATH-500とAIME-2024の実験では、CarBoNは効率を向上し、同じ精度に達するために最大4倍のロールアウトが可能である。
  論文  参考訳（メタデータ） (2025-10-17T14:04:37Z)
• Linear-Time Demonstration Selection for In-Context Learning via Gradient Estimation [19.158395403281734]
  例えば$n$の例があれば、$n$から$k$を選択して、下流推論の条件付けとして最適に機能するか? この問題は、迅速なチューニングとチェーン・オブ・ソート推論に幅広い応用がある。 勾配推定法は,6つのデータセットに対して誤差が1%未満の完全推論の近似を導出することを示す。
  論文  参考訳（メタデータ） (2025-08-27T15:59:47Z)
• From Continual Learning to SGD and Back: Better Rates for Continual Linear Models [50.11453013647086]
  以前見られたタスクの損失を、$k$の繰り返しの後、忘れること、すなわち、分析する。 実現可能な最小二乗の設定において、新しい最上界を創出する。 我々は、タスクを繰り返しないランダム化だけで、十分に長いタスクシーケンスで破滅的な事態を防げることを初めて証明した。
  論文  参考訳（メタデータ） (2025-04-06T18:39:45Z)
• Ensemble of Averages: Improving Model Selection and Boosting Performance in Domain Generalization [63.28279815753543]
  ドメイン一般化(Domain Generalization, DG)設定では、特定のトレーニングドメインセットでトレーニングされたモデルが、シフトしたテストドメイン上でのカオスなパフォーマンスで悪名高い。 まず、モデルパラメータを最適化パスに沿って平均化する単純なプロトコルが、トレーニングの初期段階から始まって、ドメインの一般化性を大幅に向上させることを示す。 独立に訓練されたモデルのアンサンブルもまた、DG設定においてカオスな振る舞いを持つことを示す。
  論文  参考訳（メタデータ） (2021-10-21T00:08:17Z)
• Breaking the Sample Complexity Barrier to Regret-Optimal Model-Free Reinforcement Learning [52.76230802067506]
  漸進的強化学習における後悔を最小限に抑えるために,新しいモデルフリーアルゴリズムを提案する。 提案アルゴリズムは、2つのQ-ラーニングシーケンスの助けを借りて、初期設定された参照更新ルールを用いる。 初期の分散還元法の設計原理は、他のRL設定とは独立した関心を持つかもしれない。
  論文  参考訳（メタデータ） (2021-10-09T21:13:48Z)
• Improving Robustness and Generality of NLP Models Using Disentangled Representations [62.08794500431367]
  スーパービジョンニューラルネットワークはまず入力$x$を単一の表現$z$にマップし、次に出力ラベル$y$にマッピングする。 本研究では,非交叉表現学習の観点から,NLPモデルの堅牢性と汎用性を改善する手法を提案する。 提案した基準でトレーニングしたモデルは、広範囲の教師付き学習タスクにおいて、より堅牢性とドメイン適応性を向上することを示す。
  論文  参考訳（メタデータ） (2020-09-21T02:48:46Z)

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。