論文の概要: LeFlow: Generative Latent Flow Planning for World Models

• arxiv url: http://arxiv.org/abs/2608.24855v1
• Date: Tue, 25 Aug 2026 17:42:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.116272
• Title: LeFlow: Generative Latent Flow Planning for World Models
• Title（参考訳）: LeFlow: 世界モデルのためのジェネレーティブラテントフロープランニング
• Abstract要約: 本稿では,世界モデルから潜在力学空間を直接操作する前に,再利用可能な潜在軌道を学習するLeFlowについて述べる。 4つの主要なゴール条件付きピクセル制御ベンチマークの中で、LeFlowは反復的なアクション空間最適化を償却された潜在計画に置き換えている。 我々の研究結果は、潜在世界モデルは予測だけでなく、再利用可能な計画事前をサポートするべきだと主張している。
• 参考スコア（独自算出の注目度）: 25.440423602180278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latent world models are inherently strong encoders that transform image pixel to latent embedding, yet existing world models still rely on online trajectory optimization for action planning: for every state-goal pair, an iterative optimizer is run from scratch to search for optimal action sequences, treating the world model as a black-box simulator. This approach pays the full iterative optimization cost anew at every replanning step and reuses no planning experience across queries. In this work, we ask whether planning itself can be amortized once a latent world model has been learned. We present LeFlow, which learns a reusable latent trajectory prior operating directly in the latent dynamics space from the world model. LeFlow recasts planning as conditional latent trajectory generation: a rectified-flow model imagines a future latent path between the current and goal embeddings, an inverse dynamics decoder turns latent transitions into action chunks, and the frozen world model verifies each candidate by autoregressive rollout. Across four major goal-conditioned pixel-control benchmarks, LeFlow replaces iterative action-space optimization with amortized latent planning and fixed-budget rollout selection, achieving consistent success-rate gains with an order-of-magnitude reduction in planning time. Our results argue that latent world models should support not only prediction but reusable planning priors. Our code is available at https://github.com/hsiangwei0903/LeFlow.
• Abstract（参考訳）: ラテント・ワールド・モデルは本質的に画像ピクセルをラテント・埋め込みに変換する強力なエンコーダであるが、既存のワールド・モデルはアクション・プランニングのためにオンライン・トラジェクトリ・最適化に依存している:全てのステート・ゴール・ペアに対して、反復最適化器はゼロから実行され、最適なアクション・シーケンスを探索し、ワールド・モデルをブラックボックス・シミュレータとして扱う。 このアプローチは、再計画のステップ毎に、繰り返し最適化のコストを新たに払い、クエリ間のプランニングエクスペリエンスを再利用する。 本研究は,潜在世界モデルが学習されれば,計画自体を修復できるかどうかを問うものである。 本稿では,世界モデルから潜在力学空間を直接操作する前に,再利用可能な潜在軌道を学習するLeFlowについて述べる。 LeFlowは、計画を条件付き遅延軌道生成として再キャストする: 整流フローモデルは、電流とゴールの埋め込みの間の将来の遅延経路を想像し、逆ダイナミクスデコーダは遅延遷移をアクションチャンクに変換し、凍結された世界モデルは、自己回帰的なロールアウトによって各候補を検証する。 主要な4つのゴール条件付きピクセル制御ベンチマークの中で、LeFlowは反復的なアクション空間最適化を償却された潜在計画と固定予算のロールアウト選択に置き換え、計画時間のオーダー・オブ・マグニチュード削減で一貫した成功率のゲインを達成する。 我々の研究結果は、潜在世界モデルは予測だけでなく、再利用可能な計画事前をサポートするべきだと主張している。 私たちのコードはhttps://github.com/hsiangwei0903/LeFlowで利用可能です。

関連論文リスト

• Flow Matching in Feature Space for Stochastic World Modeling [21.159664319255665]
  本研究では,事前学習した特徴空間内で直接フローマッチングを行う世界モデルであるFlowWMを提案する。 事前訓練された特徴はかなり高次元であり、標準的な拡散レシピが最適ではないため、これは難しい。 FlowWMを2つのベンチマークで評価する: 精度と多様性の体系的評価のための総合ベンチマークと、現実のベンチマークFuturePerceptionである。
  論文  参考訳（メタデータ） (2026-06-27T19:35:27Z)
• Beyond the Next Step: Variable-Length Latent World Models for Long-Horizon Planning [40.09669638091686]
  本稿では,可変長の動作列に条件付き潜在状態を予測するフレームワークを提案する。 実験により、可変長ラテント・ワールド・モデルがラテント・スペース・ワールド・モデルを大幅に改善していることが示されている。
  論文  参考訳（メタデータ） (2026-06-19T21:50:15Z)
• Hierarchical Planning with Latent World Models [49.82095442483551]
  階層的計画は、最大4倍の計画時間計算を必要としながら、より高い成功を達成する。 この階層的なアプローチにより、現実世界の非グリーディロボットタスクをゼロショットで制御できることを実証する。
  論文  参考訳（メタデータ） (2026-04-03T17:32:36Z)
• 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)
• DynFlowDrive: Flow-Based Dynamic World Modeling for Autonomous Driving [67.83404465171257]
  DynFlowDriveは、異なる運転行動の下で世界状態の遷移をモデル化する潜在世界モデルである。 異なる駆動動作の下でシーン状態がどのように変化するかを記述した速度場を学習する。 これに基づいて,安定性を考慮した多モード軌道選択戦略を導入する。
  論文  参考訳（メタデータ） (2026-03-20T06:19:31Z)
• Parallel Stochastic Gradient-Based Planning for World Models [39.699893143984916]
  本稿では,学習した世界モデルの識別性を有効に活用する,堅牢で並列性の高いプランナを提案する。 本手法は,ソフトダイナミックス制約による最適化変数(仮想状態)として状態を扱い,並列かつ容易な最適化を実現する。 我々のプランナーはGRASP(GradAxed Planner)と呼ばれ、非凝縮またはコロケーションベースの最適コントローラの有効なバージョンと見なすことができる。
  論文  参考訳（メタデータ） (2026-01-31T02:57:47Z)
• Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
  本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。 テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
  論文  参考訳（メタデータ） (2025-12-10T18:59:45Z)
• Map-World: Masked Action planning and Path-Integral World Model for Autonomous Driving [35.521279875146526]
  Masked Action Planning (MAP)モジュールは、将来のエゴ運動をマスクされたシーケンス完了として扱う。 軽量世界モデルは、各候補軌道に条件付き将来のBEVセマンティクスをロールアウトする。 NAVSIMでは,提案手法はアンカーベースアプローチと一致し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-25T10:30:26Z)
• WorldPrediction: A Benchmark for High-level World Modeling and Long-horizon Procedural Planning [52.36434784963598]
  我々は、異なるAIモデルのワールドモデリングと手続き計画能力を評価するためのビデオベースのベンチマークであるWorldPredictionを紹介する。 現在のフロンティアモデルでは,WorldPrediction-WMでは57%,WorldPrediction-PPでは38%の精度しか達成できないが,人間は両タスクを完璧に解くことができる。
  論文  参考訳（メタデータ） (2025-06-04T18:22:40Z)
• Enter the Void - Planning to Seek Entropy When Reward is Scarce [6.208654695856247]
  本稿では,短時間の潜伏予測を用いて,高エントロピー状態の予測と探索を積極的に行う新しい手法を提案する。 提案する階層型プランナは,いつ計画を立てるか,地平線の長さを計画し,報酬とエントロピーの重み付けを動的に行う。 提案手法は,Dreamerのコンバージェンスにおいて,Dreamerのコンバージェンスよりも50%高速で,Dreamerが必要とする環境ステップの60%に,想像力で訓練されたポリシーが収束する。
  論文  参考訳（メタデータ） (2025-05-22T15:28:50Z)
• Learning from Reward-Free Offline Data: A Case for Planning with Latent Dynamics Models [79.2162092822111]
  我々は,一連のナビゲーションタスクにおいて,強化学習(RL)と制御に基づく手法を体系的に評価する。 我々は、JEPA(Joint Embedding Predictive Architecture)を使用して、潜在ダイナミクスモデルを使用し、それを計画に使用します。 その結果,モデルベースプランニングではレイアウトが不明瞭になるのに対して,モデルフリーのRLは高品質なデータから恩恵を受けることがわかった。
  論文  参考訳（メタデータ） (2025-02-20T18:39:41Z)
• Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
  表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。 また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-28T16:48:44Z)

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。