論文の概要: Graph-Operator World Models for Morphology-Parameter Generalization in Continuous Control
- arxiv url: http://arxiv.org/abs/2608.20936v1
- Date: Fri, 21 Aug 2026 10:01:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.501138
- Title: Graph-Operator World Models for Morphology-Parameter Generalization in Continuous Control
- Title（参考訳）: 連続制御における形態パラメータ一般化のためのグラフ演算子世界モデル
- Abstract要約: そこで本研究では,関連ロボット群における形態素パラメータの一般化のための構造化世界モデルを提案する。
GraphOp-WMは、体とそのキネマティックな関係を属性グラフとして表現し、各遷移をモルフォロジーに依存しない局所力学基底とモルフォロジー条件の構造化作用素へと分解する。
- 参考スコア（独自算出の注目度）: 24.18246944549909
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: World models for continuous control are commonly trained for a fixed physical system and can degrade when known morphology parameters such as link lengths, masses, damping, and actuation change. Existing approaches often provide these parameters as conditioning information, but leave unspecified which part of the learned transition should remain reusable and which part should change with morphology. We propose Graph-Operator World Models (GraphOp-WM), a structured world model for generalization across unseen morphology parameters within related articulated robot families. GraphOp-WM represents bodies and their kinematic relations as an attributed graph and factorizes each transition into a morphology-independent local dynamics basis and a morphology-conditioned structured operator. The operator combines node-local modulation, kinematic-tree coupling, and a low-rank global correction, while architectural information separation, basis normalization, and paired-morphology supervision encourage static morphology dependence to be carried by the operator pathway. Graph-level readout and edge-wise action representations provide a compatible interface for reward, value, and TD-MPC-style planning. We further define controlled MuJoCo parameter splits covering interpolation, extrapolation, and held-out compositions of link geometry, mass, damping, and actuation parameters in Hopper, Walker2d, and HalfCheetah.
- Abstract（参考訳）: 連続制御のための世界モデルは、固定された物理的システムのために一般的に訓練されており、リンク長、質量、減衰、アクティベーション変化などの既知の形態パラメータが変化した場合に劣化する可能性がある。
既存のアプローチはしばしばこれらのパラメータを条件付け情報として提供しますが、学習した遷移のどの部分が再利用可能で、どの部分が形態学で変更されるべきかは未定のままです。
本研究は,グラフ操作型世界モデル (GraphOp-WM) を提案する。
GraphOp-WMは、体とそのキネマティックな関係を属性グラフとして表現し、各遷移をモルフォロジーに依存しない局所力学基底とモルフォロジー条件の構造化作用素へと分解する。
オペレータは、ノード局所変調、キネマティックツリー結合、低ランクのグローバル補正を組み合わせ、一方、アーキテクチャ情報の分離、基底正規化、およびペア型モルフォロジーの指導により、オペレータパスによって静的なモルフォロジー依存が運ばれることを奨励する。
グラフレベルの読み出しとエッジワイドのアクション表現は、報酬、価値、TD-MPCスタイルの計画のための互換性のあるインターフェースを提供する。
さらに, ホッパー, ウォーカー2d, ハーフチェイータにおけるリンク幾何学, 質量, 減衰, 作動パラメータの補間, 補間, 補間, 保留成分の制御された MuJoCo パラメータ分割を定義する。
関連論文リスト
- DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。
合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
論文 参考訳（メタデータ） (2026-08-19T03:44:28Z) - ACWM-Phys: Investigating Generalized Physical Interaction in Action-Conditioned Video World Models [30.527810700174488]
行動条件付き世界モデル(ACWM)は,映像の予測と意思決定に強く期待されている。
本稿では,多様な物理力学下での行動条件予測のための新しいベンチマークであるACWM-Physを紹介する。
論文 参考訳（メタデータ） (2026-05-09T00:00:47Z) - Beyond Distance: Quantifying Point Cloud Dynamics with Persistent Homology and Dynamic Optimal Transport [29.979662030541146]
本稿では,最近提案されたトポロジカル・オプティカル・トランスポート(TpOT)距離を拡張して,時間進化点雲のトポロジカル・ティッピングを解析するためのフレームワークを提案する。
この制限を克服するために、新しいトポロジとハイパーグラフ再構成戦略によって駆動される階層的動的評価フレームワークを提案する。
この測地線とともに、グローバルシフトを捉えるためのマクロメトリクス(トポロジカル歪みとパーシスタンスエントロピー)と、高感度で非同期な局所的な変更を検出するための新しいメソスコピック双対パースペクティブハイパーグラフエントロピーを導入する。
論文 参考訳（メタデータ） (2026-03-15T07:56:56Z) - GFocal: A Global-Focal Neural Operator for Solving PDEs on Arbitrary Geometries [5.323843026995587]
変圧器に基づくニューラル作用素は偏微分方程式に対する有望な代理解法として現れる。
本稿では,グローバルおよびローカルな特徴学習と融合を同時に実施するGFocalを提案する。
実験の結果、GFocalは6つのベンチマークのうち5つのベンチマークで平均15.2%の上昇率で最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2025-08-06T14:02:39Z) - Graph-Aware Isomorphic Attention for Adaptive Dynamics in Transformers [0.0]
変換器の注意機構をグラフ演算として再構成する。
スパース GIN-Attention はスパース GIN を用いた微調整手法である。
論文 参考訳（メタデータ） (2025-01-04T22:30:21Z) - GeoMFormer: A General Architecture for Geometric Molecular Representation Learning [84.02083170392764]
我々はこの目的を達成するためにGeoMFormerと呼ばれるトランスフォーマーに基づく新しい分子モデルを導入する。
我々は,GeoMFormerが,異なる型やスケールの不変タスクと同変タスクの両方において,高い性能を達成することを示す。
論文 参考訳（メタデータ） (2024-06-24T17:58:13Z) - Curve Your Attention: Mixed-Curvature Transformers for Graph
Representation Learning [77.1421343649344]
本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。
また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
論文 参考訳（メタデータ） (2023-09-08T02:44:37Z) - Learning Modulated Transformation in GANs [69.95217723100413]
生成逆数ネットワーク(GAN)のジェネレータに、変調変換モジュール(Modulated transformation module, MTM)と呼ばれるプラグアンドプレイモジュールを装備する。
MTMは、可変位置で畳み込み操作を適用可能な潜在符号の制御下で空間オフセットを予測する。
挑戦的なTaiChiデータセット上での人為的な生成に向けて、StyleGAN3のFIDを21.36から13.60に改善し、変調幾何変換の学習の有効性を実証した。
論文 参考訳（メタデータ） (2023-08-29T17:51:22Z) - Global-to-Local Modeling for Video-based 3D Human Pose and Shape
Estimation [53.04781510348416]
フレーム内精度とフレーム間スムーズさにより,映像に基づく3次元人間のポーズと形状推定を評価する。
エンドツーエンドフレームワークGLoT(Global-to-Local Transformer)における長期的・短期的相関のモデル化を構造的に分離することを提案する。
我々のGLoTは、一般的なベンチマーク(3DPW、MPI-INF-3DHP、Human3.6M)において、最も低いモデルパラメータを持つ従来の最先端の手法を上回る。
論文 参考訳（メタデータ） (2023-03-26T14:57:49Z) - Learning Constrained Dynamic Correlations in Spatiotemporal Graphs for
Motion Prediction [4.504430414983527]
複雑な時間的特徴モデリングのため、人間の動作予測は困難である。
グラフ畳み込みネットワーク(GCN)内では、グラフ隣接行列が特徴集約を駆動する。
本稿では,最先端GCの28.6%しか必要としない動的時間GC(D-STD-GC)を提案する。
論文 参考訳（メタデータ） (2022-04-04T08:11:06Z) - NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One
Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。
NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。
異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文 参考訳（メタデータ） (2021-06-17T12:25:44Z)
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。