論文の概要: WISE: World-model-guided Imagination Scheduling for Efficient Post-training of Vision-Language-Action Models
- arxiv url: http://arxiv.org/abs/2609.03681v1
- Date: Thu, 03 Sep 2026 11:17:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.036751
- Title: WISE: World-model-guided Imagination Scheduling for Efficient Post-training of Vision-Language-Action Models
- Title（参考訳）: WISE:視覚・言語・アクションモデルの効率的な後学習のための世界モデル誘導イマジネーションスケジューリング
- Abstract要約: 訓練後のVLAポリシーは一般的に、高価で不安定な現実世界の探査で監督された微調整に依存している。
WISE (World-model-guided Imagination Scheduling for Efficient Post-Training of Vision-Language-Action Models) は、政策改善において、いつ、どのように世界モデルイマジネーションが使用されるかを調整する統合フレームワークである。
- 参考スコア（独自算出の注目度）: 7.861070986808876
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Post-training VLA policies typically rely on supervised fine-tuning with costly expert demonstrations or reinforcement learning with expensive and potentially unstable real-world exploration. World models offer a promising alternative by evaluating candidate behaviors through imagined futures, yet effective post-training requires more than accurate prediction: imagination must be scheduled where it is useful, bounded within reliable horizons, and translated into trustworthy policy supervision. In robotic manipulation, the value of imagination varies substantially across execution stages, while extended rollouts can accumulate prediction errors and introduce unreliable learning signals. We introduce WISE (World-model-guided Imagination Scheduling for Efficient Post-training of Vision-Language-Action Models), a unified framework that coordinates when and how world-model imagination is used during policy refinement. WISE selectively invokes imagination at interaction-relevant states, performs bounded multi-view rollouts, evaluates candidate futures using progress and completion signals, and uses their relative outcomes to refine actions generated from real interaction contexts. Extensive experiments with both $π_0$ and $π_{0.5}$ demonstrate consistent improvements across diverse manipulation tasks while reducing GPU computation time by approximately 80% compared with full imagination. Real-world evaluations further show substantial gains in robustness and generalization under diverse real-world distribution shifts.
- Abstract（参考訳）: 訓練後のVLAポリシーは一般的に、高価な専門家によるデモンストレーションや、高価で不安定な現実世界での探索による強化学習による教師付き微調整に依存している。
世界モデルは、想像された未来を通して候補者の行動を評価することで有望な代替手段を提供するが、効果的なポストトレーニングには正確な予測以上のものが必要である。
ロボット操作では、イマジネーションの値は実行段階によって大きく異なるが、拡張されたロールアウトは予測エラーを蓄積し、信頼できない学習信号を導入することができる。
WISE (World-model-guided Imagination Scheduling for Efficient Post-Training of Vision-Language-Action Models) は、政策改善において、いつ、どのように世界モデルイマジネーションが使用されるかを調整する統合フレームワークである。
WISEは、相互作用関連状態におけるイマジネーションを選択的に呼び起こし、境界付き多視点ロールアウトを実行し、進捗信号と完了信号を用いて候補先を評価し、それらの相対結果を用いて実際の相互作用コンテキストから生成されたアクションを洗練する。
π_0$と$π_{0.5}$の大規模な実験は、様々な操作タスク間で一貫した改善を示し、GPU計算時間をフルイマジネーションと比較して約80%削減した。
実世界の評価は、様々な実世界の分布シフトの下で、ロバスト性や一般化が著しく向上することを示している。
関連論文リスト
- SyncWorld: Visual Calibration Enables World Models as Zero-Shot Simulators [61.95179776027961]
SyncWorldはアクション条件付き世界モデルで、追加のトレーニングなしで、目に見えない環境を横断するゼロショットシミュレータとして機能する。
視覚的校正コンテキストを用いたトレーニングは、視覚的証拠を通して行動を理解するモデルを教える。
実験の結果、SyncWorldは以前見つからなかった設定でアクションの結果を正確にシミュレートできることがわかった。
論文 参考訳（メタデータ） (2026-09-08T17:59:47Z) - Do Robotic World Models Really Follow Actions? Diagnosing and Aligning Action-Conditioned Generation for Policy Learning [53.77164209208635]
本稿では,視覚的整合性と軌跡アライメントを用いて,より広い行動分布を探索するWorldEchoを紹介する。
本稿では,3つの軸に沿った行動(分布カバレッジ,表現的接地,介入効果のアライメント)を強化するWorldSyncを提案する。
RoboTwinベンチマークと実ロボットタスクの実験は、WorldSyncがWorldEchoメトリクスを改善し、反復的なポリシー改善のためのより信頼性の高いシミュレータとして機能していることを示している。
論文 参考訳（メタデータ） (2026-08-25T17:59:49Z) - Predicting Consequences and Reinforcing Navigation Policies with Latent World Models [31.865100130203317]
ロボットナビゲーションのためのLWM(Latent World Model)を提案する。
我々の重要な洞察は、空間的近接は潜在的特徴の類似性と相関し、潜在的空間において行動結果を直接評価できるということである。
提案手法は,予測精度,ポリシー学習,実世界のナビゲーション性能において,前世界モデルと模倣学習法を著しく上回っている。
論文 参考訳（メタデータ） (2026-08-23T11:58:42Z) - World Models Meet Language Models: On the Complementarity of Concrete and Abstract Reasoning [67.93052893044603]
本研究では,抽象的推論を伴う視覚的未来のシミュレーションを,モデルがどのように実行し,検証し,統合するかを考察する。
PF-OPSDは、教師側の特権的文脈としてのみ、地道な未来のビデオと回答を使用して、政治上の具体的な軌道を評価する。
論文 参考訳（メタデータ） (2026-06-02T13:07:49Z) - Learning Vision-Language-Action World Models for Autonomous Driving [15.103497388527943]
VLA(Vision-Language-Action)モデルは最近、エンドツーエンドの自動運転において顕著な進歩を遂げている。
VLAモデルは時相力学と世界整合性の明示的なモデリングを欠いていることが多い。
VLA-World(VLA-World)は、予測的想像力と反射的推論を統一する、シンプルで効果的なVLA世界モデルである。
論文 参考訳（メタデータ） (2026-04-10T07:38:05Z) - LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。
そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。
R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
論文 参考訳（メタデータ） (2026-03-31T02:21:59Z) - Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
本稿では, 自己補正VLA (SC-VLA) を提案する。
SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
論文 参考訳（メタデータ） (2026-02-25T06:58:06Z) - World-VLA-Loop: Closed-Loop Learning of Video World Model and VLA Policy [55.03832008486675]
World-VLA-Loopは、世界モデルとVision-Language-Action (VLA) ポリシーの共同改良のためのクローズドループフレームワークである。
本研究では,将来観測と報奨信号の同時予測により,高忠実度インタラクティブシミュレータとして機能する状態認識型ビデオワールドモデルを提案する。
論文 参考訳（メタデータ） (2026-02-06T08:57:55Z) - AstraNav-World: World Model for Foresight Control and Consistency [40.07910402326578]
ダイナミックな環境での身体的ナビゲーションは、世界がどのように進化し、どのように行動が時間とともに広がるかを正確に予測する必要がある。
AstraNav-Worldは、未来の視覚状態とアクションシーケンスを共同で推論するエンド・ツー・エンドの世界モデルである。
本フレームワークは,拡散型ビデオジェネレータとビジョン言語ポリシーを統合し,同期ロールアウトを実現する。
論文 参考訳（メタデータ） (2025-12-25T15:31:24Z) - WorldGym: World Model as An Environment for Policy Evaluation [41.204900701616914]
WorldGymは、実環境のプロキシとして機能する自動回帰、アクション条件付きビデオ生成モデルである。
ポリシーはモンテカルロの世界モデルによるロールアウトを通じて評価され、視覚言語モデルが報酬を提供する。
We show that WorldGym can maintain relative policy rankings across different policy version, sizes, and training checkpoints。
論文 参考訳（メタデータ） (2025-05-31T15:51:56Z)
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。