論文の概要: Making Latent Evolution Explicit: Operator-Structured Transitions for World Action Models

• arxiv url: http://arxiv.org/abs/2608.27259v1
• Date: Thu, 27 Aug 2026 15:43:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.473479
• Title: Making Latent Evolution Explicit: Operator-Structured Transitions for World Action Models
• Title（参考訳）: 潜在進化を明示する:世界行動モデルのための演算子構造遷移
• Abstract要約: World Action Models (WAM)は、タスク関連シーン状態が相互作用の下でどのように進化するかを予測することで、ロボットポリシーを強化する。 潜時遷移は、時間的進化ではなくトークン相互作用を中心に帰納的構造を持つトランスフォーマーベースの予測器で一般的に実現される。 本稿では、文脈変調演算子に基づく伝播と加算力による学習可観測空間の潜在進化をモデル化する潜在進化演算子ネットワーク(LEON)を紹介する。
• 参考スコア（独自算出の注目度）: 6.732084106610505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World Action Models (WAMs) augment robot policies by predicting how task-relevant scene states may evolve under interaction. Recent WAMs increasingly perform such prediction in latent representation spaces, avoiding full appearance-level generation while preserving control-relevant information. Yet latent transitions are commonly realized with Transformer-based predictors whose inductive structure is centered on token interaction rather than temporal evolution. We study transition realization as an architectural choice distinct from predictive representation and prediction-policy coupling. We introduce the Latent Evolution Operator Network (LEON), which models latent evolution in a learned observable space through context-modulated operator-based propagation and additive forcing. Grounded in the controlled Koopman generator view of evolution, LEON organizes context-dependent transition variation around a shared evolution-operator structure while retaining a complementary path for additive change. Controlled dynamical systems verify the resulting evolution-specific inductive bias and the complementary roles of operator propagation and forcing. Across two WAM formulations that integrate latent prediction into the policy differently, LEON improves closed-loop performance and robustness while remaining effective under full transition replacement. These results establish transition realization as a consequential architectural choice in latent WAMs.
• Abstract（参考訳）: World Action Models (WAM)は、タスク関連シーン状態が相互作用の下でどのように進化するかを予測することで、ロボットポリシーを強化する。 近年のWAMは、制御関連情報を保存しながら、完全な外観レベルの生成を避けるために、潜在表現空間でこのような予測を行う傾向にある。 しかし、潜伏遷移は、時間的進化ではなくトークン相互作用を中心に帰納的構造を持つトランスフォーマーベースの予測器で一般的に実現される。 予測表現と予測-政治結合とは異なるアーキテクチャ選択としての遷移実現について検討する。 本稿では、文脈変調演算子に基づく伝播と加算力による学習可観測空間の潜在進化をモデル化する潜在進化演算子ネットワーク(LEON)を紹介する。 制御されたクープマンジェネレータの進化の視点に基づいて、LEONは、共用進化演算子構造を中心とした文脈依存的な遷移変化を整理し、加法的変化の相補的な経路を保持する。 制御された力学系は、結果として生じる進化固有の帰納バイアスと、作用素の伝播と強制の相補的な役割を検証する。 潜在予測をポリシーに異なる形で統合する2つのWAM定式化の中で、LEONは完全な遷移置換の下で有効でありながら、閉ループ性能とロバスト性を改善している。 これらの結果から, 過渡期WAMにおける連続的なアーキテクチャ選択として遷移実現が確立された。

関連論文リスト

• Self-Evolving Memory for Generative Recommendation [100.15207958893029]
  生成的レコメンデーションは、パーソナライズされたレコメンデーションのための有望なエンドツーエンドパラダイムとして登場した。 継続的再訓練や蒸留に基づく適応といった既存の進化戦略は、共有モデルパラメータを直接更新する。 本稿では,異種行動パターン間の効果的な進化を実現することを目的とした,自己進化型メモリパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-09-14T14:00:38Z)
• UniMPA: A Unified Memory-Prediction-Action Model via Action-Grounded Transition Modeling [73.35395707747456]
  ビジョン・ランゲージ・アクションモデルの最近の進歩はロボット操作を改善しているが、基本的な遷移実現可能性のギャップによって観察・行動学習は制限されている。 将来の観測は、物理的に実現可能な遷移と必ずしも一致しない。 歴史的に実行可能なアクションパターンは、現在のシーンにおける意図した遷移を必ずしも認識しない可能性があるため、コンテキスト対応の適応が必要である。
  論文  参考訳（メタデータ） (2026-09-10T17:45:03Z)
• Co-Evolution in Agentic Systems: Toward Self-Directed Evolution Beyond Human Design [55.30329388138526]
  本調査は,複数のエージェントと環境が互いに適応的な圧力を課す多成分自己進化であるエージェントシステムの共進化に焦点を当てた。 既存の論文を整理するために,システムがどのように人為的制約を徐々に覆い隠すかを追究する,進歩的な3段階分類法を提案する。
  論文  参考訳（メタデータ） (2026-08-10T23:10:40Z)
• DLAM: Distributional Latent Actions with Temporal Constraints [25.743937994244902]
  本稿では,各遷移を対角ガウスとして表現する分布潜在作用モデルであるDLAMを紹介する。 下流のポリシー学習では、エンコーダを凍結し、フローマッチングポリシーをトレーニングし、平均遷移シーケンスとロボットアクションを共同で生成する。 ホールドアウト遷移では、DLAMは既存の潜在動作ベースラインよりも時間的に一貫した潜伏ダイナミクスを学習し、ホールドアウトビデオ上でより強い直接的および累積的再構成を実現する。
  論文  参考訳（メタデータ） (2026-07-29T17:09:48Z)
• A Mechanism-Driven Theory of Phase Transitions in Active Learning [3.5819392925290043]
  アクティブラーニング(AL)のパフォーマンスは予算依存であることが知られているが、レシエーションはデータセットやアーキテクチャ全体にわたって一般化できない。 我々は、予算制度を支配的一般化機構のシフトとみなすことにより、ALダイナミクスを特徴づける。 この作業は、次世代のトランジション対応ALアルゴリズムのための統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-06-30T20:20:33Z)
• Latent Actions from Factorized Transition Effects under Agent Ambiguity [15.872376579590437]
  我々は、各遷移を、観測された遷移プリミティブのスパースセットに分解する、観測された遷移因子化(OTF)を導入する。 我々はまた、動作プリミティブを標準逆フォワード動的フレームワーク内でアクションライクな潜在子に抽象化するOTF-LAMと、凍結したDINOv2表現空間における将来の状態を予測するデコーダフリーな変種であるOTF-LAM-Dinoを提案する。
  論文  参考訳（メタデータ） (2026-06-29T16:45:04Z)
• A Unified Causal-Origin Taxonomy of Distributional Shifts in Reinforcement Learning [2.641077416952072]
  動作条件が異なる場合、強化学習システムは劣化する。 この研究は、RLの分布シフトの原因を特徴づける統一された因果オリジン分類法を開発する。 本研究は,RLの因果オリジン構造における分布シフトを基礎として,分布シフト下でのロバストネスの系統的解析を支援する。
  論文  参考訳（メタデータ） (2026-06-15T16:32:40Z)
• MobEvolve: An Agentic Self-Evolving Heuristic System for Interpretable Human Mobility Generation [51.824145170051516]
  MobEvolveは、人間のモビリティ生成のための自己進化フレームワークである。 エージェントを使用して、内部ロジックを反復的に進化させる。 最先端の深層生成法とLLMベースの手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-06-01T03:46:25Z)
• HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
  世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。 HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。 実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
  論文  参考訳（メタデータ） (2026-05-11T17:59:56Z)
• Position: Agentic Evolution is the Path to Evolving LLMs [56.733933092220845]
  この制限に対処するには、新たなスケーリング軸進化が必要です。 既存の展開時適応手法では、障害を診断し、持続的な改善を生み出すために必要な戦略的機関が欠如している。
  論文  参考訳（メタデータ） (2026-01-30T22:15:58Z)
• Temporal Graph Pattern Machine [17.352525018007473]
  時間的グラフパターンマシン(TGPM)は、時間的に偏ったランダムウォークによって合成された相互作用パッチとして、各相互作用を概念化する。 TGPMは、トランスダクティブリンク予測とインダクティブリンク予測の両方において、常に最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-01-30T01:46:13Z)
• Situationally-Aware Dynamics Learning [57.698553219660376]
  隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。 提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。 シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
  論文  参考訳（メタデータ） (2025-05-26T06:40:11Z)
• Strengthening Structural Inductive Biases by Pre-training to Perform Syntactic Transformations [75.14793516745374]
  中間学習によりトランスフォーマーの構造的帰納バイアスを強化することを提案する。 実験の結果,チャンキングなどの構文的タスクのわずかな学習に有効であることが確認された。 分析の結果,中間的事前学習は,どのトークンにシナティクス変換を適用する必要があるかを追尾する注意を喚起することが明らかとなった。
  論文  参考訳（メタデータ） (2024-07-05T14:29:44Z)

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。