論文の概要: AcrossWAM1.0:A Modular Latent World-Action Stack for Compact Robot Policies

• arxiv url: http://arxiv.org/abs/2608.29937v1
• Date: Sun, 30 Aug 2026 18:09:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.125206
• Title: AcrossWAM1.0:A Modular Latent World-Action Stack for Compact Robot Policies
• Title（参考訳）: AcrossWAM1.0:小型ロボットのためのモジュールラテントワールドアクションスタック
• Abstract要約: 本稿では,LaWAMの潜在的ワールドアクションスタックのモジュール化とスケーリングに関する研究であるAcrossWAM1.0を紹介する。 AcrossWAM1.0は、コンパクトな潜在世界アクションポリシーのための監査可能なソフトウェアと評価バウンダリを提供する。
• 参考スコア（独自算出の注目度）: 14.556446786016787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent world-action models avoid rendering future pixels by predicting an action-relevant visual subgoal in feature space. LaWAM established this formulation, but its original presentation left the world model, multimodal backbone, and deployment checkpoint tightly coupled. We introduce AcrossWAM1.0, a modularization and scaling study of this latent world-action stack. Rather than presenting latent subgoals as a new algorithm, we make the module boundary explicit: a policy adapter produces latent-action and action-generation contexts; a retained latent world decoder grounds the predicted transition in the current scene;and a flow-matching expert generates continuous action chunks. We further separate training-only teachers from the inference graph and provide a verifiable deployment export. On 2,000 paired LIBERO episodes, replacing a Qwen3-VL-2B backbone with Qwen3.5-0.8B yields 97.45% success versus 98.00% for the 2B model (a-0.55percentage-point difference; exact McNemarp=0.266). This does not prove equivalence, but it meets a prespecified two-point retention criterion. The compact, inference-reachable checkpoint contains 1,472.6M unique parameters, 42.4% fewer than the original 2B policy, while all retained tensors are bitwise identical to the source checkpoint. Cross-family execution is additionally checked with a MiniCPM-V adapter smoke test; closed-loop cross-family transfer remains an open evaluation. AcrossWAM1.0 therefore contributes an auditable software and evaluation boundary for compact latent world-action policies, distinct from LaWAM's original latent-subgoal contribution.
• Abstract（参考訳）: 潜在世界アクションモデルは、特徴空間におけるアクション関連視覚サブゴールを予測することによって、将来のピクセルのレンダリングを避ける。 LaWAMはこの定式化を確立したが、最初のプレゼンテーションでは世界モデル、マルチモーダルバックボーン、デプロイメントチェックポイントが密結合になった。 AcrossWAM1.0は、この潜伏する世界アクションスタックのモジュール化とスケーリングの研究である。 新しいアルゴリズムとして潜時サブゴールを提示するのではなく、モジュール境界を明示する:ポリシーアダプタは潜時アクションと行動生成コンテキストを生成し、保持された潜時デコーダは現在のシーンで予測される遷移を基底とし、フローマッチングの専門家は連続的なアクションチャンクを生成する。 さらに、推論グラフからトレーニングのみの教師を分離し、検証可能なデプロイメントエクスポートを提供します。 2000対のLIBEROエピソードでは、Qwen3-VL-2BのバックボーンをQwen3.5-0.8Bに置き換えると、2Bモデルの98.00%に対して97.45%の成功を収める(A-0.55%のポイント差、正確にはMcNemarp=0.266)。 これは等価性を示すものではないが、予め規定された2点保持基準を満たす。 コンパクトで推論可能なチェックポイントは1,472.6Mのユニークなパラメータを含み、元の2Bポリシーよりも42.4%少ない。 クロスファミリー実行はMiniCPM-Vアダプタスモークテストでチェックされるが、クローズドループクロスファミリー転送は未評価のままである。 そのため、AcrossWAM1.0はLaWAMの本来の潜在サブゴナルなコントリビューションとは異なる、コンパクトな潜在世界アクションポリシーのための監査可能なソフトウェアと評価バウンダリを提供する。

関連論文リスト

• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• Schema-Adaptive Action-Conditioned JEPA for Cross-Machine CNC Transfer under Partial Sensor Overlap [0.0]
  産業の世界モデルのクロスマシン展開には、ダイナミックス、センシングインターフェース、サンプリングレジーム、制御ユニットの変更をまたぐ移動が必要である。 CNC力学のためのスキーマ適応型動作条件付き共同組込み予測アーキテクチャ (SAAC-JEPA) について検討する。 評価には、グループ分離ソース分割、ソースのみの正規化、自己監督型バリデーションの保持、ユニット監査、モデルロック後のシールされたターゲットテストを使用する。
  論文  参考訳（メタデータ） (2026-09-13T15:10:06Z)
• Logit Refiner: Improving Visual Autoregressive Models via Intra-Scale Dependency Modeling [21.906953897227442]
  ビジュアル自己回帰モデルは、次のスケールの予測を通じて画像を生成する。 平均場近似は、同じスケールのトークン間で空間的依存関係を破棄する。 Logit Refinerは、冷凍バックボーン機能に条件付きトークンを順次サンプリングすることで、スケール内の依存関係を復元する。
  論文  参考訳（メタデータ） (2026-09-10T16:57:05Z)
• Selective Cross-View Consistency for World Action Models: Held-Out Viewpoint Robustness Without Test-Time Camera Information [0.0]
  世界アクションモデル(WAM)は、将来のビデオフレームとロボットアクションを共同で認知し、その制御を一般化することが期待されている。 同状態のクロスビュー画像ペアでトレーニングする場合、どの出力座標に一貫性損失を課すべきか? 共変ブロックに適用される整合性は有意な有害性を示し、正規のビュー特化コンテンツをその真値の1/(1+4)$に縮め、制御実験においてこの縮退則を検証する。
  論文  参考訳（メタデータ） (2026-08-07T12:03:23Z)
• QuantWAMs: Calibrating at the Right Granularity for World Action Models [34.540026172139406]
  World Action Modelsは、将来の観測とアクションを共同で予測するが、反復的なデノゲーションとクローズドループの実行は、デプロイメントにコストがかかる。 我々は,量子化決定をモデル構造,ロールアウト分布,タスク目標によって定義されたキャリブレーションコンテキストと整合するPTQフレームワークQuantWAMを提案する。 我々は,RoboTwin 2.0,LIBERO,AgiBot G2を用いた実ロボット操作において,Fast-WAMおよびLingBot-VA上のQuantWAMを評価した。
  論文  参考訳（メタデータ） (2026-07-30T15:54:29Z)
• Metric Aggregation Divergence: A Hidden Validity Threat in Agent-Based Policy Optimization and a Contractual Remedy [7.1976264551575895]
  メートル法アグリゲーション分散(英: Metric aggregate divergence、MAD)は、エージェントベースのモデルにおいて、異なるパイプラインステージで発生するサイレント不整合である。 私たちは、ディスパッチ時に実施される単一の呼び出し可能なランタイムであるメトリックコントラクトを、対策として紹介します。
  論文  参考訳（メタデータ） (2026-06-27T18:17:33Z)
• Label-Free Cross-Task LoRA Merging with Null-Space Compression [50.63908869296697]
  我々は,ラベルフリーで出力に依存しない手法であるNull-Space Compression (NSC) Mergingを紹介した。 NSCは、従来のメソッドがタスクのサブセットに収まるバランスの取れたゲインを持つ20の異種視覚タスクに対して、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-27T11:34:41Z)
• See Less, Drive Better: Generalizable End-to-End Autonomous Driving via Foundation Models Stochastic Patch Selection [51.59559387222532]
  エンドツーエンド自動運転の最近の進歩は、パッチアライメント機能で訓練されたポリシーが、アウト・オブ・ディストリビューション(OOD)よりも一般化していることを示している。 我々は、より堅牢で、一般化可能で、効率的な学習ポリシーのためのシンプルで効果的なアプローチである2.4-Patch-Selection(SPS)を提案する。
  論文  参考訳（メタデータ） (2026-01-15T18:58:33Z)
• Variational Gaussian Mixture Manifold Models for Client-Specific Federated Personalization [0.0]
  VGM$2$は、クライアント固有のパラメトリックUMAP埋め込みを学習する幾何学中心のPFLフレームワークである。 各クライアントは、マーカーの重み、手段、およびばらつきに対してディリクレ-ノルマル-逆-ガンマの後部を保持する。 VGM$2$は、強いベースラインに比べて、競争力または優れたテストF1スコアを達成する。
  論文  参考訳（メタデータ） (2025-09-04T01:28:02Z)
• MASS: MoErging through Adaptive Subspace Selection [55.03293736484465]
  モデルマージの新しいアプローチであるMASS(MoErging through Adaptive Subspace Selection)を提案する。 MASSはタスクごとに最も健全な特異なコンポーネントのみを格納し、それらを共有モデルにマージする。 我々は,8,14,20タスクのベンチマークに対して,ViT-B-16,ViT-B-32,ViT-L-14を用いて,CLIPに基づく画像分類のMASSを評価する。
  論文  参考訳（メタデータ） (2025-04-06T08:49:52Z)
• PointOBB-v3: Expanding Performance Boundaries of Single Point-Supervised Oriented Object Detection [65.84604846389624]
  我々は,より強力な単一点制御OODフレームワークであるPointOBB-v3を提案する。 追加のプリミティブなしで擬似回転ボックスを生成し、エンドツーエンドのパラダイムをサポートする。 本手法は従来の最先端手法と比較して3.56%の精度向上を実現している。
  論文  参考訳（メタデータ） (2025-01-23T18:18:15Z)
• PointPatchMix: Point Cloud Mixing with Patch Scoring [58.58535918705736]
  我々は、パッチレベルでポイントクラウドを混合し、混合ポイントクラウドのコンテンツベースターゲットを生成するPointPatchMixを提案する。 パッチスコアリングモジュールは、事前学習した教師モデルから、コンテンツに基づく重要度スコアに基づいて目標を割り当てる。 Point-MAE をベースラインとして,ScanObjectNN では86.3%,ModelNet40 では94.1% の精度で,従来の手法をかなり上回りました。
  論文  参考訳（メタデータ） (2023-03-12T14:49:42Z)
• A Coarse-to-Fine Instance Segmentation Network with Learning Boundary Representation [10.967299485260163]
  境界ベースのインスタンスセグメンテーションは、その魅力的な効率性から多くの注目を集めている。 既存の手法は長距離回帰の難しさに悩まされている。 この問題に対処する粗大なモジュールを提案する。
  論文  参考訳（メタデータ） (2021-06-18T16:37:28Z)

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。