論文の概要: ActSWM: Action-Sensitive World Models for Long-Horizon Planning in Open-World Games
- arxiv url: http://arxiv.org/abs/2607.26712v1
- Date: Wed, 29 Jul 2026 09:55:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.618259
- Title: ActSWM: Action-Sensitive World Models for Long-Horizon Planning in Open-World Games
- Title（参考訳）: ActSWM:オープンワールドゲームにおける長期計画のためのアクションセンシティブな世界モデル
- Authors: Zhenfeng Gan, ZiTong Zeng, Jiajun Cheng, Yeke Song, Yongyi Tang, Xueqian Wang,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.8149466180197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Latent world models support efficient model-predictive control by optimizing future control sequences in latent space and replanning in a receding-horizon manner. However, existing latent predictors often lack stable long-horizon rollout ability, and prediction accuracy alone does not ensure that rollouts remain responsive to the actions being planned. We identify Context Collapse, a failure mode in which autoregressive latent predictors maintain high similarity to future states while producing nearly indistinguishable futures under different action sequences. To address this issue, we propose ActSWM, an action-sensitive latent world model grounded in a transition-separation principle: a planning-useful latent dynamics model should keep alternative-action futures distinguishable and make the action associated with each local transition recoverable. Under this principle, action sensitivity is enforced as a constraint on latent rollouts rather than treated only as an auxiliary prediction target, encouraging predicted futures to preserve action-dependent differences over long horizons. Across step-drift analysis, closed-loop Minecraft planning, and cross-game local action recovery, ActSWM preserves larger action-dependent rollout gaps than existing baselines, improves task success in long-horizon interactive settings, and enables world-model-based action recovery from offline gameplay videos.
- Abstract（参考訳）: 潜在世界モデルは、潜在空間における将来の制御シーケンスを最適化し、後退水平な方法で再計画することにより、効率的なモデル予測制御をサポートする。
しかし、既存の潜伏予測器は安定な長距離ロールアウト能力に欠けることが多く、予測精度だけではロールアウトが計画されている動作に応答し続けることを保証しない。
自己回帰的潜在予測器が将来の状態と高い類似性を保ちつつ、異なる動作シーケンスでほぼ区別不能な未来を生成できる障害モードであるContext Collapseを同定する。
この問題を解決するために,ActSWMを提案する。ActSWMは,行動に敏感な潜在的世界モデルで,遷移分離の原則を基礎として,代替行動先を識別可能とし,各局所遷移に関連する行動を回復可能とする。
この原理の下では、アクション感度は補助的な予測対象としてのみ扱われるのではなく、遅延ロールアウトに対する制約として実施され、予測された未来は長い地平線上でのアクション依存的な差異を維持するように促される。
ActSWMは、ステップドリフト分析、クローズループMinecraft計画、ゲーム間のローカルアクションリカバリを通じて、既存のベースラインよりも大きなアクション依存のロールアウトギャップを維持し、長時間水平なインタラクティブな設定でのタスク成功を改善し、オフラインのゲームプレイビデオからワールドモデルベースのアクションリカバリを可能にする。
関連論文リスト
- SegDiff: Segmented Trajectory Diffusion for Consistent and Adaptive Robot Manipulation [65.81476183180527]
両パラダイムの長所を統合するクローズドループビズモータポリシであるSegDiffを紹介する。
SegDiffはデモをキーセグメンテーション間で動作セグメントに分解し、現在の状態から次のキーセグメンテーションまでの連続的な軌跡を予測することを学習する。
SegDiffは、さまざまなシミュレートされた実世界のシナリオにおいて、既存のアプローチよりも大きなパフォーマンス向上を示している。
論文 参考訳（メタデータ） (2026-07-13T02:48:03Z) - ACID: Action Consistency via Inverse Dynamics for Planning with World Models [42.33354357727536]
ACIDは、サイクルアクションの一貫性を導入する意思決定時計画フレームワークである。
プランニングを一貫して改善し、ベースラインの精度とほぼ少ないプランニング計算とを一致させる。
論文 参考訳（メタデータ） (2026-07-02T16:38:10Z) - 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) - 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) - CAPE: Contrastive Action-conditioned Parallel Encoding for Embodied Planning [15.559483151991813]
エージェントは、実行前に効果的に計画するために、候補アクションの将来の結果を予測する必要がある。
本稿では、異なるアクションシーケンスによって引き起こされる将来の成果を識別し、視覚力学を学習するコントラスト型アクション条件並列コンバーフレームワークであるCAPEを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:21:44Z) - IDOL: Inverse-Dynamics-Guided Future Prediction for End-to-End Autonomous Driving [6.515607168928518]
IDOLは、潜在BEV空間におけるワールドモデルに基づくエンド・ツー・エンド・プランニングのための逆力学誘導型将来の予測フレームワークである。
IDOLはまず、BEVワールドモデルを用いて複数の将来の潜伏シーン状態を予測し、次に隣接する潜伏未来に逆ダイナミクスモデルを適用する。
これらの逆力学に基づく信号は、計画された軌道を最適化するために使用され、受動シーン予測から将来の予測を実行可能な計画ガイダンスに変える。
論文 参考訳（メタデータ） (2026-05-29T16:05:42Z) - From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation [88.39072412680633]
将来の映像を実行可能な表現に変換する制御指向インタフェースであるMoLAを提案する。
我々は,シミュレーションベンチマークと実世界のロボット操作タスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2026-05-12T14:15:16Z) - World-Value-Action Model: Implicit Planning for Vision-Language-Action Systems [32.4918638412746]
VLA(Vision-Language-Action)モデルは、知覚と言語を作用させるエンボディエージェントを構築するための有望なパラダイムとして登場した。
本稿では,VLAシステムにおける暗黙的な計画を可能にする統合フレームワークであるWorld-Value-Action(WAV)モデルを紹介する。
論文 参考訳（メタデータ） (2026-04-16T07:46:05Z) - World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry [82.93104394404781]
汎用世界モデルは、スケーラブルなポリシー評価、最適化、計画を約束します。
本稿では,世界モデルによる予測誤りと自己改善を識別するフレームワークであるWorld Action Verifier(WAV)を提案する。
論文 参考訳（メタデータ） (2026-04-02T12:48:36Z) - Uni-World VLA: Interleaved World Modeling and Planning for Autonomous Driving [52.04950569530877]
我々は、将来のフレーム予測と軌道計画の密接なインターリーブを行う統合視覚言語行動モデルUni-World VLAを提案する。
提案手法は,高忠実度将来のフレーム予測を行いながら,競合する閉ループ計画性能を実現する。
論文 参考訳（メタデータ） (2026-03-28T14:39:51Z) - Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
本稿では, 自己補正VLA (SC-VLA) を提案する。
SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
論文 参考訳（メタデータ） (2026-02-25T06:58:06Z)
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。