論文の概要: GeniWorld: A Generalizable Interactive World Model for Robotic Manipulation via Visual Actions
- arxiv url: http://arxiv.org/abs/2608.06332v1
- Date: Thu, 06 Aug 2026 17:40:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.813358
- Title: GeniWorld: A Generalizable Interactive World Model for Robotic Manipulation via Visual Actions
- Title（参考訳）: GeniWorld:ビジュアルアクションによるロボット操作のための汎用対話型世界モデル
- Abstract要約: 汎用的なロボット政策は強力な能力を示すが、複雑で見えない環境での頑丈さは依然として限られている。
我々は、見えないシナリオにまたがって堅牢に一般化するロボットのためのインタラクティブな世界モデルGeniWorldを紹介する。
- 参考スコア（独自算出の注目度）: 25.431221165541874
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generalist robot policies exhibit strong capabilities, but their robustness in complex and unseen environments remains limited. Scaling robot learning and evaluation in diverse real-world environments remains costly and challenging. Action-conditioned world models offer a promising alternative, but they often suffer from limited action controllability and poor generalization to out-of-distribution (OOD) scenarios. To this end, we present GeniWorld, an interactive world model for robots that generalizes robustly across unseen scenarios. Building on pretrained video generative models, we use URDF-based rendering to transform numerical actions into visual action representations, enabling spatially grounded action control. By explicitly decoupling embodiment kinematics from environmental dynamics, our model mitigates scene overfitting and facilitates modeling of robot-environment interactions. To achieve closed-loop control, we construct an autoregressive video prediction model integrated with high-frequency robot kinematic control, enabling interaction with both robot policies and human teleoperators. In our experiments, even when trained solely on limited fixed-scene data, our model achieves superior in-domain performance and robust zero-shot generalization to highly randomized, unseen environments. For downstream applications, GeniWorld serves as a scalable policy evaluator that remains reliable under environmental perturbations. Furthermore, even with limited real-world demonstrations, GeniWorld generates diverse manipulation trajectories within the world model, improving downstream policy performance and robustness in complex environments.
- Abstract（参考訳）: 汎用的なロボット政策は強力な能力を示すが、複雑で見えない環境での頑丈さは依然として限られている。
多様な現実世界環境におけるロボットの学習と評価のスケーリングは、費用がかかり難いままだ。
アクション・コンディショナード・ワールド・モデルは有望な代替手段を提供するが、しばしば限定的なアクション・コントロール可能性とオフ・オブ・ディストリビューション(OOD)シナリオへの一般化に悩まされる。
この目的のために,ロボットの対話型世界モデルであるGeniWorldを紹介した。
事前学習された映像生成モデルに基づいて、URDFベースのレンダリングを用いて、数値的なアクションを視覚的なアクション表現に変換することにより、空間的に接地されたアクション制御を可能にする。
環境力学からエボディメントキネマティクスを明示的に分離することにより,ロボットと環境の相互作用をモデル化し,シーンの過度な適合を緩和する。
クローズドループ制御を実現するために,高速ロボット運動制御と統合された自動回帰映像予測モデルを構築し,ロボットポリシーと人間の遠隔操作者の両方とのインタラクションを可能にする。
実験では,限定的な固定シーンデータのみを訓練しても,ドメイン内性能が向上し,高度にランダム化され,目に見えない環境に頑健なゼロショット一般化を実現する。
下流のアプリケーションでは、GeniWorldはスケーラブルなポリシー評価ツールとして機能する。
さらに、実世界の限られたデモンストレーションであっても、GeniWorldは世界モデル内でさまざまな操作軌道を生成し、複雑な環境下での下流ポリシー性能と堅牢性を改善している。
関連論文リスト
- AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization [88.25615187835321]
我々は,クロス・エボディメント・ワールド・モデリング・フレームワークであるAnyWorldを提案する。
私たちのモデルは、アクション、カメラ、エンボディメントへのインタラクションを分解します。
大規模なヒューマンインタラクション事前トレーニングでモデルをトレーニングする。
論文 参考訳（メタデータ） (2026-08-29T12:55:15Z) - RoboWorld: Fast and Reliable Neural Simulators for Generalist Robot Policy Evaluation [52.855830378221775]
一般的なロボットポリシーを評価するためのスケーラブルな代替手段として、ビデオワールドモデルが登場しつつある。
タスクプログレス対応の視覚言語モデルスコアリングと,高速なビデオワールドモデルを組み合わせた自動評価パイプラインであるRoboWorldを紹介する。
論文 参考訳（メタデータ） (2026-07-01T15:22:41Z) - OSCAR: Omni-Embodiment Action-Conditioned World Model for Robotics [6.134835623350618]
本稿では,ロボットの動作を多岐にわたって一般化し,ロボットのポリシー評価を可能にする,精密なアクション条件付きビデオワールドモデルを提案する。
本モデルは,既存のベースラインと比較して,動作の追従,外観品質,動作の整合性を大幅に向上させる。
さらにOSCARをデプロイして,RoboArenaからロボットポリシーを評価する。
論文 参考訳（メタデータ） (2026-06-03T05:16:41Z) - Evaluating Gemini Robotics Policies in a Veo World Simulator [69.23071832313246]
我々はフロンティアビデオ基盤モデル(Veo)に基づく生成的評価システムを導入する。
このシステムは、ロボットアクションコンディショニングとマルチビュー一貫性をサポートするよう最適化されている。
我々は、Gemini Roboticsのポリシーチェックポイント8つと、バイマニュアルマニピュレータのための5つのタスクの1600以上の実世界の評価を通じて、これらの能力を検証した。
論文 参考訳（メタデータ） (2025-12-11T14:22:14Z) - RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation [47.79800816696372]
操作ポリシーの現実的なテストは、大規模に労働集約的で、再現が難しい。
既存のシミュレーションベンチマークも同様に制限されており、同じ合成ドメイン内でポリシーをトレーニングおよびテストしている。
本稿では,VLA評価を大規模にシミュレーションした拡張環境に移行することで,これらの課題を克服する新しいベンチマークフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-27T17:41:38Z) - Ctrl-World: A Controllable Generative World Model for Robot Manipulation [53.71061464925014]
汎用ロボットポリシーは、幅広い操作スキルを実行することができる。
未知の物体や命令で 彼らの能力を評価し 改善することは 重要な課題です
世界モデルは、イマジネーション空間内でポリシーの展開を可能にすることで、有望でスケーラブルな代替手段を提供する。
論文 参考訳（メタデータ） (2025-10-11T09:13:10Z) - WorldGym: World Model as An Environment for Policy Evaluation [41.204900701616914]
WorldGymは、実環境のプロキシとして機能する自動回帰、アクション条件付きビデオ生成モデルである。
ポリシーはモンテカルロの世界モデルによるロールアウトを通じて評価され、視覚言語モデルが報酬を提供する。
We show that WorldGym can maintain relative policy rankings across different policy version, sizes, and training checkpoints。
論文 参考訳（メタデータ） (2025-05-31T15:51:56Z) - Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。
スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
論文 参考訳（メタデータ） (2025-01-17T10:39:09Z) - IRASim: A Fine-Grained World Model for Robot Manipulation [24.591694756757278]
本稿では,ロボットとオブジェクトのインタラクションの詳細を詳細に表現したビデオを生成する新しい世界モデルIRASimを提案する。
拡散変圧器を訓練し、各変圧器ブロック内に新しいフレームレベル動作条件モジュールを導入し、アクションフレームアライメントを明示的にモデル化し強化する。
論文 参考訳（メタデータ） (2024-06-20T17:50:16Z) - Real-World Humanoid Locomotion with Reinforcement Learning [92.85934954371099]
実世界におけるヒューマノイド移動に対する完全学習型アプローチを提案する。
コントローラーは様々な屋外の地形の上を歩けるし、外乱に対して頑丈で、状況に応じて適応できる。
論文 参考訳（メタデータ） (2023-03-06T18:59:09Z)
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。