論文の概要: ProWorld: Progress-Aware Hyperbolic World Models for Long-Horizon Visual Goal Reaching
- arxiv url: http://arxiv.org/abs/2608.01926v1
- Date: Mon, 03 Aug 2026 08:59:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.421444
- Title: ProWorld: Progress-Aware Hyperbolic World Models for Long-Horizon Visual Goal Reaching
- Title（参考訳）: ProWorld:長距離視覚ゴールリーチのためのプログレッシブ・アウェア・ハイパーボリック・ワールドモデル
- Abstract要約: JEPAスタイルのビジュアルワールドモデルは、将来の潜在表現を予測することで、視覚的なゴール計画に効果的なパラダイムを提供する。
長期的タスクでは、正確な局所予測だけで目標に向かって持続的な進捗を保証する必要がなくなる。
本稿では,プロワールド(ProWorld)を提案する。
- 参考スコア（独自算出の注目度）: 11.816159451481267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: JEPA-style visual world models offer an effective paradigm for visual goal planning by predicting future latent representations. Existing methods typically learn local transition consistency through next-step representation prediction. However, in long-horizon tasks, accurate local prediction alone need not ensure sustained progress toward the goal. First, multi-step rollouts can remain locally plausible while drifting away from goal-relevant trajectories. Second, locally similar future states can correspond to substantially different long-term progress, making them difficult to distinguish in a latent space optimized mainly for local consistency. To address these challenges, we introduce goal-conditioned progress order, a relative ordering of states according to how they advance toward a given goal. This order exhibits an asymmetric, coarse-to-fine structure: early states retain broader future possibilities, while later states concentrate on more specific goal-relevant regions. Such a structure is well suited to hyperbolic geometry. Motivated by this observation, we propose ProWorld, a progress-aware hyperbolic visual world model. ProWorld leverages goal-conditioned progress order to organize visual latent-space dynamics, maintains directional progress within trajectories via hyperbolic entailment learning, and mitigates progress ambiguity among locally similar future states via hyperbolic future discrimination. Furthermore, we design a progress-aware planning objective that scores candidate rollouts by jointly considering proximity to the goal and sustained progress across intermediate states. Experiments on four visual goal-reaching tasks demonstrate that ProWorld achieves an average absolute success-rate gain of 9.67 over LeWM. The code will be released after the paper is accepted.
- Abstract（参考訳）: JEPAスタイルのビジュアルワールドモデルは、将来の潜在表現を予測することで、視覚的なゴール計画に効果的なパラダイムを提供する。
既存の方法は、通常、次のステップの表現予測を通じて局所的な遷移の一貫性を学ぶ。
しかし、長期的タスクにおいては、正確な局所予測だけで目標に向かって持続的な進捗を保証する必要はない。
第一に、多段階のロールアウトは、ゴール関連軌道から遠ざかっている間、局所的な可視性を維持することができる。
第二に、局所的に類似した将来の状態は、かなり異なる長期的進歩に対応できるため、主に局所的な一貫性のために最適化された潜在空間において区別が難しい。
これらの課題に対処するために、我々は、目標に向かってどのように進むかに応じて、状態の相対的な順序である、目標条件付き進行順序を導入する。
この順序は非対称で粗い構造を示しており、初期状態はより広い将来可能性を維持し、後期状態はより特定の目標関連領域に集中している。
そのような構造は双曲幾何学によく適している。
本稿では,プロワールド(ProWorld)を提案する。
ProWorldは、目標条件付き進捗順を利用して視覚的潜在空間のダイナミクスを整理し、双曲的包含学習を通じて軌道内での方向性の進行を維持し、双曲的将来の差別を通じて、局所的に類似した将来の状態間の進歩曖昧さを緩和する。
さらに,目標に近づき,中間状態にまたがる進捗を連続的に考慮して,候補のロールアウトをスコアする進捗対応計画目標を設計する。
4つの視覚的目標達成タスクの実験は、ProWorldがLeWMよりも平均して9.67の絶対的な成功率を達成していることを示している。
コードは論文が受理された後に公開される。
関連論文リスト
- Learning to Use Imagination: Progress-Conditioned Future Utilization for World Action Models [72.02240114225107]
World Action Models (WAM) は、将来の視覚力学をアクション生成に組み込むことでビジョン・ランゲージ・アクション(VLA)モデルを拡張する。
既存のWAMは、実行の進行に限られた適応性を持つ想像上の未来をしばしば利用し、注意散らしや信頼性の低い予測方法を導入する可能性がある。
本稿では,プログレッシブ・コンディションド・ワールド・アクション・モデルであるProWAMを提案する。
論文 参考訳（メタデータ） (2026-09-06T12:46:20Z) - Latent Goal Prediction from Language for Model-Based Planning [19.768973349254285]
Latent Goal Prediction from Language (LAGO) は、言語命令とアクション条件付きロールアウトから中間目標状態のシーケンスを予測するフレームワークである。
LAGOは、言語から純粋に頑健で正確なロングホライゾン計画を達成することで、テキスト誘導制御の柔軟性によって視覚目標の精度を橋渡しする。
論文 参考訳（メタデータ） (2026-05-26T20:04:33Z) - 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) - ProgressVLA: Progress-Guided Diffusion Policy for Vision-Language Robotic Manipulation [57.07494675832939]
ロボット操作のための既存の視覚言語アクション(VLA)モデルは、進歩意識を欠いている。
本研究では,textbf vla という新しいモデルを提案し,タスク進捗の推定と統合について検討する。
CALVINとLIBEROベンチマークの実験は、実世界のロボットの展開とともに、成功率の大幅な改善を一貫して示している。
論文 参考訳（メタデータ） (2026-03-29T12:38:11Z) - 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) - Temporal Straightening for Latent Planning [58.131390107122456]
潜時計画のための表現学習を改善するために時間的ストレート化を導入する。
曲率の減少は、ラテント空間におけるユークリッド距離が測地線距離のより良いプロキシとなることを示す。
論文 参考訳（メタデータ） (2026-03-12T17:49:47Z) - Act2Goal: From World Model To General Goal-conditioned Policy [14.222177107215648]
Act2Goalは、ゴール条件付きビジュアルワールドモデルとマルチスケールの時間制御を統合した、ゴール条件付き操作ポリシーである。
Act2Goalは、自律的なインタラクションの数分以内に、配布外タスクに挑戦する上で、成功率を30%から90%に改善することを示す。
論文 参考訳（メタデータ） (2025-12-29T15:28:42Z) - Envision: Embodied Visual Planning via Goal-Imagery Video Diffusion [61.63215708592008]
Embodied Visual Planningは、シーンが望ましい目標に向かってどのように進化するかを想像することで、操作タスクを可能にすることを目的としている。
ビデオ拡散モデルは、このような視覚的想像力の有望な基盤を提供する。
エージェントの視覚的計画を行う拡散型フレームワークであるEnvisionを提案する。
論文 参考訳（メタデータ） (2025-12-27T15:46:41Z) - Model-Based Reinforcement Learning via Latent-Space Collocation [110.04005442935828]
我々は、行動だけでなく、状態の順序を計画することで、長期的タスクの解決がより容易であると主張する。
我々は、学習された潜在状態空間モデルを利用して、画像に基づく設定に最適な制御文献における長い水平タスクに対する良い結果を示すコロケーションの概念を適応させる。
論文 参考訳（メタデータ） (2021-06-24T17:59:18Z) - Long-Horizon Visual Planning with Goal-Conditioned Hierarchical
Predictors [124.30562402952319]
未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。
視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。
本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-23T17:58:56Z)
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。