論文の概要: Decision-Metric Alignment in Latent World Models: Diagnostics and Action-Conditioned Objectives for MPC Planning
- arxiv url: http://arxiv.org/abs/2608.18746v1
- Date: Wed, 19 Aug 2026 09:56:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.368156
- Title: Decision-Metric Alignment in Latent World Models: Diagnostics and Action-Conditioned Objectives for MPC Planning
- Title(参考訳): 潜在世界モデルにおける意思決定・計量アライメント:MPC計画のための診断・行動規定対象
- Abstract要約: JEPA-style Latent world model can use Euclidean distance to a goal latent as the cost for model-predictive control (MPC)
提案手法では,乱数計画における非現実的なランク合意を測るPlan-Real Spearmanと,クロスエントロピー・メソッド(CEM)探索と同じ合意を測るCEMステージSpearmanを提案する。
- 参考スコア(独自算出の注目度): 5.704305798718388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: JEPA-style latent world models can use Euclidean distance to a goal latent as the cost for model-predictive control (MPC). Strong decoding of task variables, however, does not guarantee that this particular cost ranks candidate action sequences by real task progress. We call the latter property \emph{decision-metric alignment}. We introduce Plan-Real Spearman, which measures latent--real rank agreement on random plans, and CEM-stage Spearman, which measures the same agreement as cross-entropy-method (CEM) search concentrates its proposal. We analyze sufficient conditions under which latent distance preserves real-cost rankings, identifying encoder distortion, terminal rollout error, and candidate margins as the controlling quantities. Guided by the observed empirical alignment gap, DA-LeWM augments LeWM with inverse-dynamics and demonstration-conditioned goal-action heads. Across all our experiments, DA-LeWM accelerates convergence and achieves higher online success than LeWM, while probe scores remain similar. These results show that action-conditioned objectives improve the geometry used by Euclidean-cost, CEM-based latent MPC.
- Abstract(参考訳): JEPAスタイルの潜在世界モデルは、モデル予測制御(MPC)のコストとして、ユークリッド距離を目標に使用することができる。
しかし、タスク変数の強い復号化は、この特定のコストが実際のタスク進捗によって候補アクションシーケンスをランク付けすることを保証しない。
後者のプロパティを 'emph{decision-metric alignment} と呼ぶ。
提案手法では,乱数計画における非現実的なランク合意を測るPlan-Real Spearmanと,クロスエントロピー・メソッド(CEM)探索と同じ合意を測るCEMステージSpearmanを提案する。
遅延距離がリアルタイムのコストランキングを保ち、エンコーダの歪み、端末ロールアウトエラー、および候補マージンを制御量として識別する十分な条件を解析する。
観測された実験的なアライメントギャップによって導かれるDA-LeWMは、逆力学と実演条件付きゴールアクションヘッドでLeWMを増強する。
全ての実験において、DA-LeWMは収束を加速し、LeWMよりも高いオンライン成功を達成する一方、プローブスコアは相変わらず類似している。
これらの結果から, ユークリッドコスト, CEM ベースの潜水型 MPC で用いられる形状が, 動作条件により改善されることが示唆された。
関連論文リスト
- Latent Energy Action Planning with World Models [16.141037661392115]
本稿では、全行動水平線を微分可能な変数として扱う潜在エネルギー行動計画(LEAP)を紹介する。
LEAPは、終端ウィンドウ状態エネルギーと一致した終端遅延ゴールを結合する。
準ニュートンソルバは自己回帰ロールアウトにより動作を洗練し、最適化後のプロジェクションは許容可能な動作範囲を強制する。
論文 参考訳(メタデータ) (2026-09-03T02:41:36Z) - 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) - IADD-TR: Intervention-Aware Dynamics Decoupling with Targeted Regularization for Model-Based Reinforcement Learning [57.16513298507272]
IADD-TRは、IADD(Intervention-Aware Dynamics Decoupling)とTR(Targeted Regularization)を組み合わせた統合フレームワークである。
IADDは、ゼロアクションアンカーを用いて、アクション干渉段階とアクションフリー自然進化段階への遷移を分解し、堅牢な一般化のためにこの2段階の分解の非特異性を解決する。
政策学習においては,リプレイ状態の政策段階関数の効率的な影響関数からTRを導出する。
論文 参考訳(メタデータ) (2026-08-11T08:20:02Z) - Inference Time Causal Probing in LLMs [26.69306706280534]
因果探索において、介入は、プロパティが異なる値を取るように隠された状態を変更する。
隠れ状態を直接制御するプローブレス勾配法であるHidden-state Driven Margin Intervention (HDMI)を提案する。
HDMIはLGD契約コーパスやCausalGymベンチマークの従来の方法よりも信頼性が高い。
論文 参考訳(メタデータ) (2026-05-08T11:59:13Z) - AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。
本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。
LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
論文 参考訳(メタデータ) (2026-04-20T04:25:24Z) - Grounded World Model for Semantically Generalizable Planning [94.53923128709965]
我々は、視覚言語対応の潜在空間において、グラウンドドワールドモデル(GWM)を学習する。
提案された各アクションは、タスク命令に対する将来の結果がどの程度近いかに基づいてスコアされる。
提案したWISERベンチマークでは、GWM-MPCはテストセットで87%の成功率を達成した。
論文 参考訳(メタデータ) (2026-04-13T17:25:41Z) - Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。
連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。
複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
論文 参考訳(メタデータ) (2026-02-04T05:37:09Z) - MMDCP: A Distribution-free Approach to Outlier Detection and Classification with Coverage Guarantees and SCW-FDR Control [6.429952624399788]
ラベルシフト下でのマルチクラス分類と外乱検出のための統一的なフレームワークを提案する。
修正マハラノビス距離等角予測(MMDCP)は、クラス固有の距離測度と完全な等角予測を組み合わせてスコア関数を構築する。
オラクルと経験的コンフォーマルな$p$-値のギャップを初めて理論的に評価し、クラスワイド偽発見率(CW-FDR)の有効なカバレッジと効果的な制御を確実にする。
論文 参考訳(メタデータ) (2025-11-15T03:48:44Z) - Scalable Decision-Making in Stochastic Environments through Learned Temporal Abstraction [7.918703013303246]
我々は,高次元連続行動空間における決定を学習する上での課題に対処する潜在マクロ行動プランナー(L-MAP)を提案する。
L-MAPは状態条件ベクトル量子変分オートエンコーダ(VQ-VAE)を通して時間的に拡張されたマクロアクションの集合を学習する
連続制御タスクを含むオフラインRL設定では、L-MAPは離散潜在アクションを効率よく探索し、高い期待値が得られる。
論文 参考訳(メタデータ) (2025-02-28T16:02:23Z) - When Demonstrations Meet Generative World Models: A Maximum Likelihood
Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。
タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
論文 参考訳(メタデータ) (2023-02-15T04:14:20Z) - Modular Deep Reinforcement Learning for Continuous Motion Planning with
Temporal Logic [59.94347858883343]
本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。
LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。
モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
論文 参考訳(メタデータ) (2021-02-24T01:11:25Z)
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。