論文の概要: Latent Energy Action Planning with World Models
- arxiv url: http://arxiv.org/abs/2609.03294v1
- Date: Thu, 03 Sep 2026 02:41:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.896207
- Title: Latent Energy Action Planning with World Models
- Title（参考訳）: 世界モデルを用いた潜在エネルギー行動計画
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 16.141037661392115
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Latent world models support efficient model predictive control from high-dimensional observations, yet optimizing a single learned latent objective can favor action sequences whose decoder-predicted terminal descriptor does not match the goal descriptor. We introduce Latent Energy Action Planning (LEAP), which treats the complete action horizon as a differentiable variable and optimizes it through a frozen LeWorldModel (LeWM). LEAP couples terminal latent goal matching with a terminal-window state energy. Low energy requires the predicted terminal latent to agree with the goal latent and the decoder-predicted terminal descriptor to agree with the goal descriptor. A frozen goal-conditioned proposal initializes the search, a quasi-Newton solver refines actions through the autoregressive rollout, and post-optimization projection enforces the admissible action range. Across four control domains using the officially released LeWM checkpoints, the complete LEAP planning system raises mean success from 77.5% for LeWM planned with the cross-entropy method (LeWM+CEM) to 94.8% under a matched protocol, a 17.3-percentage-point improvement, while retaining the frozen LeWM representation and predictor.
- Abstract（参考訳）: 潜在世界モデルは高次元観測から効率的なモデル予測制御をサポートするが、単一の学習された潜在目標を最適化することで、デコーダ予測端末記述子が目標記述子と一致しないアクションシーケンスを選択できる。
本稿では, 完全作用地平線を可変変数として扱い, 凍結したLeWorldModel(LeWM)を用いて最適化する潜在エネルギー行動計画(LEAP)を提案する。
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。
低エネルギーでは、予測終端ラテントがゴールラテントと一致し、デコーダ予測終端記述子はゴール記述子と一致する必要がある。
凍結したゴール条件付き提案が探索を初期化し、準ニュートンソルバが自己回帰ロールアウトを通じてアクションを洗練し、最適化後のプロジェクションが許容可能なアクション範囲を強制する。
公式にリリースされたLeWMチェックポイントを使用する4つのコントロールドメイン全体で、完全なLEAPプランニングシステムは、クロスエントロピー法(LeWM+CEM)で計画されているLeWMの77.5%から、マッチしたプロトコルの下で94.8%まで、凍結したLeWM表現と予測を保ちながら17.3パーセントの改善を実現している。
関連論文リスト
- Decision-Metric Alignment in Latent World Models: Diagnostics and Action-Conditioned Objectives for MPC Planning [5.704305798718388]
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。
論文 参考訳（メタデータ） (2026-08-19T09:56:39Z) - Traj-LeWM: Path-Aware World-Model Planning via Latent Trajectory Cost [23.64925215430669]
本稿では,目標条件付き遅延軌道コストを導入しながら,LeWMの目標値と終点スコアを保持するTraj-LeWMを提案する。
トレーニング中、LCCベースの軌道予測監督は、共有表現を形作る際の次のステップの予測を補完する。
共同終端+LTCスコアでは、Traj-LeWMはPush-T、OGBench-Cube、Reacher、Two-RoomでLeWMを上回っている。
論文 参考訳（メタデータ） (2026-08-14T09:32:38Z) - QQWorld: Quantile-Quantile Matching for World Model Regularization [7.147705178168053]
LeWorldModel (LeWM) は、Epps-Pulley (EP) の目的を用いて、その潜伏者を等方ガウスへ正規化する。
分離した尾標本ではEPの補正勾配が急速に消失し, 重鎖偏差の制御が不十分であった。
本稿では,EPを量子量子量マッチングの目的に置き換えたQQWorldを提案する。
論文 参考訳（メタデータ） (2026-07-30T16:00:39Z) - Fast LeWorldModel [5.938994204098151]
我々は、繰り返しローカルロールアウトをアクション予測に置き換える高速遅延世界モデルであるFast LeWorldModel(Fast-LeWM)を提案する。
アクションプレフィックスを基本的な予測単位にすることで、Fast-LeWMは複数の水平線上で蓄積されたアクション効果を直接モデル化する。
Fast-LeWMはLeWMよりも平均的な成功を向上し、計画時間を大幅に短縮し、オープンループ遅延損失の低減を実現している。
論文 参考訳（メタデータ） (2026-06-24T17:59:59Z) - 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) - World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry [82.93104394404781]
汎用世界モデルは、スケーラブルなポリシー評価、最適化、計画を約束します。
本稿では,世界モデルによる予測誤りと自己改善を識別するフレームワークであるWorld Action Verifier(WAV)を提案する。
論文 参考訳（メタデータ） (2026-04-02T12:48:36Z) - Matching Features, Not Tokens: Energy-Based Fine-Tuning of Language Models [102.20309135516186]
クロスエントロピー(CE)トレーニングは、言語モデルの密集したスケーラブルな監視を提供する。
言語モデル微調整のための特徴マッチング手法を提案する。
この目的を効率的に最適化するために,エネルギーベースファインチューニングを提案する。
論文 参考訳（メタデータ） (2026-03-12T17:57:50Z) - Learning to Reason and Navigate: Parameter Efficient Action Planning with Large Language Models [63.765846080050906]
本稿では,大規模言語モデル (PEAP-LLM) を用いたパラメータ効率の高いアクションプランナを提案する。
実験により,提案したREVERIEモデルが従来の最先端モデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2025-05-12T12:38:20Z) - 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。