論文の概要: CG-World: A Large-Scale World-State Dataset and Protocol for World Models
- arxiv url: http://arxiv.org/abs/2607.26452v1
- Date: Wed, 29 Jul 2026 04:06:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.535541
- Title: CG-World: A Large-Scale World-State Dataset and Protocol for World Models
- Title（参考訳）: CG-World:世界モデルのための大規模世界状態データセットとプロトコル
- Abstract要約: 本稿では,産業用コンピュータグラフィックス製造パイプラインから派生した大規模ワールドステートデータセットとプロトコルであるCG-Worldを紹介する。
CG-Worldは、マルチモーダルセマンティクス、空間構造、骨格とコントローラの状態、モーションカーブ、カメラと照明パラメータ、物理キャッシュ、コンタクトイベント、マルチパスレンダリングなど、中間状態を明示的に記録している。
- 参考スコア（独自算出の注目度）: 13.423809800311984
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World models must learn the joint dynamics of states, actions, events, and observations, yet existing video, robotics, and simulation datasets usually capture only part of this structure. We introduce CG-World, a large-scale world-state dataset and protocol derived from industrial computer graphics production pipelines. CG-World explicitly records intermediate states, including multimodal semantics, spatial structure, skeletal and controller states, motion curves, camera and lighting parameters, physics caches, contact events, and multi-pass renderings. CG-World v1 contains approximately 850,000 temporally aligned segments of 1-5 seconds. It separates latent states, observations, relations, events, and branch metadata, and organizes them into unified spatiotemporal samples. To support intervention learning and counterfactual reasoning, CG-World defines a branch lineage covering factual trajectories, observation interventions, action interventions, mechanism interventions, and strict counterfactual branches, with intervention targets, invariants, and alternative outcomes explicitly recorded. We evaluate the dataset on geometry-conditioned video generation, action prediction, and closed-loop vision-language-action policy transfer. Results show that CG-World provides reusable structured supervision for controlled generation, action modeling, and embodied policy transfer. We plan to expand CG-World through continued data collection and community collaboration toward a shared data infrastructure for world models, Physical AI, and embodied intelligence.
- Abstract（参考訳）: 世界モデルは状態、行動、出来事、観察の合同力学を学ぶ必要があるが、既存のビデオ、ロボット工学、シミュレーションデータセットは通常、この構造の一部のみをキャプチャする。
本稿では,産業用コンピュータグラフィックス製造パイプラインから派生した大規模ワールドステートデータセットとプロトコルであるCG-Worldを紹介する。
CG-Worldは、マルチモーダルセマンティクス、空間構造、骨格とコントローラの状態、モーションカーブ、カメラと照明パラメータ、物理キャッシュ、コンタクトイベント、マルチパスレンダリングなど、中間状態を明示的に記録している。
CG-World v1は1-5秒の時間的に配列された約8550,000個のセグメントを含む。
潜伏状態、観測状態、関係性、イベント、および分岐メタデータを分離し、それらを統合された時空間サンプルにまとめる。
介入学習と反事実推論をサポートするため、CG-Worldは、介入目標、不変量、代替成果を明示的に記録した、事実軌道、観察介入、行動介入、メカニズム介入、厳密な反事実分岐を含む分岐系統を定義している。
本研究では,幾何条件付き映像生成,行動予測,閉ループ視覚・言語・行動政策伝達に関するデータセットを評価する。
その結果、CG-Worldは、制御された生成、アクションモデリング、および具体的政策伝達のための再利用可能な構造化された監視を提供することを示した。
我々は、世界モデル、物理AI、エンボディドインテリジェンスのための共有データ基盤に向けて、継続的なデータ収集とコミュニティの協力を通じてCG-Worldを拡張する計画である。
関連論文リスト
- World-Action Models for Robot Learning and Control: A Survey [41.45329550202786]
世界モデル、ビデオ生成、ビジョン・ランゲージ・アクション(VLA)政策の最近の進歩は、ワールド・アクション・モデル(WAM)の発展を動機づけている。
この調査は、WAMのロボティクス指向のレビューを提供する。
我々は、従来の世界モデル、モデルに基づく強化学習、アクション条件付きビデオ生成、リアクティブVLAポリシーに対するそれらのスコープを明確にし、統一された分類法によって既存の手法を整理する。
我々は,行動アライメント,世界行動の分解,空間的・多視点整合性,長期記憶,閉ループ政策学習のためのニューラルシミュレーション,効率的な推論における重要な課題について議論する。
論文 参考訳（メタデータ） (2026-09-13T16:35:56Z) - EchoWM: Open and Enterable Omnimodal World Models [71.49148067556887]
EchoWMは、入力可能な生成メディアのための一様世界モデルである。
720pのビデオ、環境音、音楽、音声を共同生成しながら、継続的なナビゲーションに反応する。
論文 参考訳（メタデータ） (2026-08-24T12:39:59Z) - ACE-Data-0: Human-Centric Ambient Capture as Embodied Data Engine [83.02804728003862]
Ambient Capture Engine (ACE)は、実家環境を空間的に、時間的に同期されたレコーディングスタジオに変換する。
ACEは、エゴセントリックでマルチビューのエクソセントリックなビデオ、フルボディと手の動き、オブジェクト幾何学と6-DoF軌道、オーディオ、信号を、統一されたマルチ感覚ストリームとして記録する。
データセットは、原子操作、家庭活動の長い水平鎖、人間とシーンの相互作用にまたがっており、ステップバイステップの指示よりもゴールレベルの自然な振る舞いを保っている。
論文 参考訳（メタデータ） (2026-07-30T17:59:50Z) - WorldScape Policy 2.0: Empowering Steerable World Action Modeling with Reasoning-Augmented Memory [50.19449886428936]
We introduced WorldScape Policy 2.0, a controllable WAM with reasoning-augmented long long-term memory。
検索された履歴は、認識と自己回帰的に生成された計画トークンを増大させ、自律的な計画のための暗黙のサブゴール条件をもたらす。
シミュレーションと実世界のプラットフォームにおける実験は、長期の自律計画、きめ細かい指示、文脈内適応において優れた能力を示す。
論文 参考訳（メタデータ） (2026-07-21T08:25:37Z) - Worlds in One Demo: A Synthetic Data Engine for Learning Open-World Mobile Manipulation [7.87892459538874]
WANDA: 人工DATAエンジンによる1つのデモンストレーションからオープンワールドモバイルマナニピュレーションを学習する。
我々は,移動操作の異なる段階において,ロボットと物体の状態の多様性を高めるために矯正状態拡張を適用した。
実験により,WADAで訓練した政策は,長期的ロバスト性,広空間的一般化,環境横断的一般化を実現することが示された。
論文 参考訳（メタデータ） (2026-07-14T18:04:58Z) - From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。
世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。
我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
論文 参考訳（メタデータ） (2026-07-13T15:22:56Z) - Kairos: A Native World Model Stack for Physical AI [66.80630645291795]
これらの要件に基づいて設計されたネイティブなワールドモデルスタックであるKairosを紹介します。
カイロスは、クロス・エボディメント・パラダイム・データ・カリキュラムが支配するネイティブ・プレトレーニングの先駆者として世界を学ぶ。
Kairosは、ハイブリッド線形時間アテンションを備えたネイティブ統一アーキテクチャにおいて、統一された世界理解、生成、予測によって世界を維持している。
論文 参考訳（メタデータ） (2026-06-15T10:37:42Z) - MetaWorld: Scaling Multi-Agent Video World Model from Single-view Video Data [125.43597497646444]
MetaWorldは、マルチエージェントビデオワールドモデルをシングルビュービデオから直接オープンドメイン環境にスケールする新しいフレームワークである。
クロスビューの一貫性とアイデンティティの整合性を向上し、マルチエージェントビデオワールドモデリングのための高度にスケーラブルで物理駆動のパラダイムを確立する。
論文 参考訳（メタデータ） (2026-06-01T18:20:20Z) - World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。
彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。
成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
論文 参考訳（メタデータ） (2026-05-12T13:10:52Z) - Towards Spatio-Temporal World Scene Graph Generation from Monocular Videos [17.190262848866396]
本稿では,Action Genomeの映像をフィードフォワード3D再構成により4DシーンにアップグレードするデータセットであるActionGenome4Dを紹介する。
次に、各タイムスタンプでワールドシーングラフを構築するタスクであるワールドシーングラフ生成(WSGG)を定式化する。
我々は3つの補完的手法を提案し、それぞれが観測されていない物体について推論するための異なる帰納バイアスを探索する。
論文 参考訳（メタデータ） (2026-03-13T17:18:03Z) - Towards High-Consistency Embodied World Model with Multi-View Trajectory Videos [24.111891848073288]
身体的世界モデルは、視覚的な観察と行動を通じて物理的世界と予測し、相互作用することを目的としている。
MTV-Worldは正確なビジュモータ予測のためのマルチビュートラジェクトリ・ビデオ制御を導入した。
MTV-Worldは、複雑なデュアルアームシナリオにおける正確な制御実行と正確な物理的相互作用モデリングを実現する。
論文 参考訳（メタデータ） (2025-11-17T02:17:04Z)
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。