論文の概要: Traj-LeWM: Path-Aware World-Model Planning via Latent Trajectory Cost
- arxiv url: http://arxiv.org/abs/2608.14125v1
- Date: Fri, 14 Aug 2026 09:32:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.338223
- Title: Traj-LeWM: Path-Aware World-Model Planning via Latent Trajectory Cost
- Title（参考訳）: Traj-LeWM:潜在軌道コストによるパス対応世界モデル計画
- Abstract要約: 本稿では,目標条件付き遅延軌道コストを導入しながら,LeWMの目標値と終点スコアを保持するTraj-LeWMを提案する。
トレーニング中、LCCベースの軌道予測監督は、共有表現を形作る際の次のステップの予測を補完する。
共同終端+LTCスコアでは、Traj-LeWMはPush-T、OGBench-Cube、Reacher、Two-RoomでLeWMを上回っている。
- 参考スコア（独自算出の注目度）: 23.64925215430669
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LeWM is a lightweight visual world model that learns latent dynamics end-to-end from pixels and ranks candidate action sequences by the distance between their predicted endpoints and the goal. However, LeWM has two limitations. First, during training, it learns local next-step transitions without evaluating complete trajectories relative to the task goal. Second, during planning, it ranks candidates solely by predicted endpoint distance. Because model predictions may differ from actual execution outcomes, the candidate whose predicted endpoint is closest to the goal may not perform best when executed in the environment. The evolution of the complete predicted trajectory can therefore provide complementary information beyond endpoint distance. To address these limitations, we propose Traj-LeWM, which retains LeWM's local-dynamics objective and endpoint score while introducing a goal-conditioned latent trajectory cost (LTC) that aggregates trajectory-level information as a complementary signal. During training, LTC-based trajectory-preference supervision complements next-step prediction in shaping the shared representation. During planning, LTC is combined with endpoint distance to incorporate intermediate-path information into candidate ranking. With joint endpoint-plus-LTC scoring, Traj-LeWM outperforms LeWM on Push-T, OGBench-Cube, Reacher, and Two-Room by $3$, $14$, $7$, and $7$ percentage points, respectively. Controlled experiments and ablations further verify the complementary roles of trajectory-level representation shaping and path-aware candidate ranking.
- Abstract（参考訳）: LeWMは軽量なビジュアルワールドモデルで、ピクセルからエンドツーエンドの潜伏ダイナミクスを学習し、予測されたエンドポイントと目標の間の距離で候補アクションシーケンスをランク付けする。
しかし、LeWMには2つの制限がある。
まず、トレーニング中にタスク目標に対する完全な軌道を評価することなく、ローカルな次のステップ遷移を学習する。
第二に、計画中は、予測された終点距離のみで候補者をランク付けする。
モデル予測は実際の実行結果と異なる場合があるため、予測エンドポイントが目標に最も近い候補は、環境内で実行された場合、最善を尽くさない可能性がある。
したがって、完全な予測軌道の進化は、終点距離を超える相補的な情報を与えることができる。
これらの制約に対処するため、LWMの局所力学目標と終点スコアを保持するTraj-LeWMを提案し、相補的な信号として軌道レベルの情報を集約する目標条件付き潜在軌道コスト(LTC)を導入した。
トレーニング中、LCCベースの軌道予測監督は、共有表現を形作る際の次のステップの予測を補完する。
計画中、LCCは終端距離と組み合わせて中間経路情報を候補ランキングに組み込む。
共同エンドポイント+LTCスコアでは、Traj-LeWMがPush-T、OGBench-Cube、Reacher、Two-Roomでそれぞれ3ドル、14ドル、7ドル、そして7ドルの割合でLeWMを上回っている。
制御された実験と改善により、軌跡レベルの表現形成と経路認識候補ランキングの相補的な役割が検証される。
関連論文リスト
- SCALE: State-Calibrated Latent Embeddings for JEPA Planning in the Right Geometry [14.742804674497128]
非崩壊表現を得るための2つの戦略は、事前訓練された特徴空間を継承し、非崩壊正則化を用いて埋め込み終端を学習することである。
課題関連情報が存在するかどうかだけでなく,計画者が消費する幾何を形作るかどうかにも依存することを示す。
論文 参考訳（メタデータ） (2026-08-17T08:58:55Z) - Temporal-Distance JEPA: Plan-Aware Representation Learning for Latent World Model Predictive Control [8.39933163242427]
JEPAsは、ピクセルを再構築するのではなく、表現空間で予測することで世界モデルを学ぶ。
以前のJEPAプランナーは、しばしば埋め込み幾何学(典型的には遅れたユークリッド距離)からランキングを継承する。
本稿では,LWMエンコーダのバックボーンを保持するテンポラルディスタンスJEPAを提案する。
論文 参考訳（メタデータ） (2026-07-28T06:38:16Z) - Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation [79.12557132788139]
VLN-CE(Vision-Language Navigation in Continuous Environments)では、エージェントが現実世界のような環境でナビゲートしながら自然言語の指示に従う必要がある。
ほとんどのVLN-CEアプローチでは、ウェイポイント予測器がウェイポイントを提案し、ナビゲータが最良のウェイポイントを選択する。
提案手法は,各候補の経路点を実行可能な軌道に配置する,トラジェクトリ・ウェイポイントという新しいパラダイムを導入する。
論文 参考訳（メタデータ） (2026-06-05T13:11:39Z) - CoWTracker: Tracking by Warping instead of Correlation [53.834673070954494]
ワープに有利なコストを削減できる高密度な点トラッカーを提案する。
近年の光学的流れの進展に触発されて,本手法では,現在の推定値に基づいて,対象フレームからクエリフレームへ特徴を変換することで,トラック推定を反復的に洗練する。
我々のモデルは,TAP-Vid-DAVIS,TAP-Vid-Kinetics,Robo-TAPなど,標準的な高密度点追跡ベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2026-02-04T18:58:59Z) - GUIDE-CoT: Goal-driven and User-Informed Dynamic Estimation for Pedestrian Trajectory using Chain-of-Thought [9.572859785331307]
GUIDE-CoT (Chain-of-Thought) を用いた歩行者軌跡のゴール駆動およびユーザインフォームド動的推定法を提案する。
提案手法は,(1)視覚的プロンプトと事前学習された視覚的エンコーダを組み合わせた目標予測精度を向上する目標指向視覚プロンプト,(2)軌道生成のためのチェーン・オブ・シント(CoT)LLM,の2つのイノベーティブなモジュールを統合する。
提案手法は,歩行者軌道予測における精度と適応性を両立させ,最先端性能を実現する。
論文 参考訳（メタデータ） (2025-03-10T01:39:24Z) - PRET: Planning with Directed Fidelity Trajectory for Vision and Language Navigation [30.710806048991923]
視覚と言語ナビゲーションは、エージェントが自然言語の指示に従ってナビゲートする必要があるタスクである。
近年の手法では、各ステップで構築されたトポロジーマップのサブゴールを予測し、長期的な行動計画を可能にする。
本稿では,指示と指向性軌道のアライメントを考慮し,ナビゲーション計画を容易にする方法を提案する。
論文 参考訳（メタデータ） (2024-07-16T08:22:18Z) - Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。
我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。
挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
論文 参考訳（メタデータ） (2024-07-08T12:52:46Z) - Transforming Model Prediction for Tracking [109.08417327309937]
トランスフォーマーは、誘導バイアスの少ないグローバルな関係を捉え、より強力なターゲットモデルの予測を学ぶことができる。
提案したトラッカーをエンドツーエンドにトレーニングし、複数のトラッカーデータセットに関する総合的な実験を行うことで、その性能を検証する。
我々のトラッカーは3つのベンチマークで新しい技術状態を設定し、挑戦的なLaSOTデータセットで68.5%のAUCを達成した。
論文 参考訳（メタデータ） (2022-03-21T17:59:40Z) - Goal-GAN: Multimodal Trajectory Prediction Based on Goal Position
Estimation [1.20855096102517]
本稿では,人間の軌道予測のための解釈可能な,エンドツーエンドのトレーニング可能なモデルであるGoal-GANを提案する。
人間のナビゲーションにヒントを得て、軌道予測のタスクを直感的な2段階のプロセスとしてモデル化する。
論文 参考訳（メタデータ） (2020-10-02T17:17:45Z) - TNT: Target-driveN Trajectory Prediction [76.21200047185494]
我々は移動エージェントのための目標駆動軌道予測フレームワークを開発した。
我々は、車や歩行者の軌道予測をベンチマークする。
私たちはArgoverse Forecasting、InterAction、Stanford Drone、および社内のPedestrian-at-Intersectionデータセットの最先端を達成しています。
論文 参考訳（メタデータ） (2020-08-19T06:52:46Z) - 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。