論文の概要: Identifying Habit, Physics, and Nuisance in Robot World Models

• arxiv url: http://arxiv.org/abs/2609.09210v1
• Date: Sun, 06 Sep 2026 00:20:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.735092
• Title: Identifying Habit, Physics, and Nuisance in Robot World Models
• Title（参考訳）: ロボットワールドモデルにおける行動・物理・ニュアンス同定
• Abstract要約: テレオペレーテッドなデモは、実行されたアクションを考えると、基礎となるダイナミクスがほぼ決定論的である場合でも、しばしばマルチモーダルである。 この多モード性は、通常、行動選択の操作的習慣、共有物理学、観察ニュアンスという3つの要因と、絡み合った次の観測予測因子が3つ全てを吸収する、というものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Teleoperated demonstrations are often multimodal even when the underlying dynamics are nearly deterministic given the executed action. We argue that this multimodality typically mixes three factors--operator habit in action selection, shared physics, and observation nuisance--and that entangled next-observation predictors absorb all three. We formalize the split with a structural causal model a=g(h,z,u), z'=f(z,a), o=r(z,c), and test it with complementary interventions: replacing or shuffling actions at fixed state sharply increases next-state error, whereas appearance and camera changes should not; habit-aware reverse scoring improves ranking of feasible pasts without rewriting the dynamics. The associated adaptation rule is to freeze a shared physics readout and update only a thin interface. On StackCube, DROID, and RH20T this rule improves low-shot transfer relative to training from scratch, retains cleaner dynamics under corrupted adaptation data, and extends from proprioception to pixel observations with multi-view and multi-step checks. We do not equate latent actions with operator habit, and we do not target large-scale video generation benchmarks.
• Abstract（参考訳）: テレオペレーテッドなデモは、実行されたアクションを考えると、基礎となるダイナミクスがほぼ決定論的である場合でも、しばしばマルチモーダルである。 この多モード性は、通常、行動選択の操作的習慣、共有物理学、観察ニュアンスという3つの要因と、絡み合った次の観測予測因子が3つ全てを吸収する、というものである。 我々は、構造因果モデル a=g(h,z,u), z'=f(z,a), o=r(z,c) で分割を形式化し、相補的な介入でそれをテストする。 関連する適応規則は、共有物理読み出しを凍結し、薄いインターフェイスのみを更新することである。 StackCube、DROID、RH20Tでは、このルールは、スクラッチからトレーニングに対する低ショット転送を改善し、劣化した適応データの下でよりクリーンなダイナミクスを保持し、マルチビューおよびマルチステップチェックでプロプレセプションからピクセル観察まで拡張する。 我々はオペレーターの習慣に従わないため、大規模ビデオ生成ベンチマークは対象としない。

関連論文リスト

• Overcoming Statistical Bias in Action-Controllable World Models [18.890337378174678]
  アクション条件付き世界モデルは、エージェントのアクションの下で視覚環境がどのように進化するかを予測することを目的としている。 将来のフレームは、しばしば視覚的慣性や反復的な動きパターンから非常に予測可能である。 アクション制御性を高めるために,CoCoという対実整合性フレームワークを紹介した。
  論文  参考訳（メタデータ） (2026-08-05T10:10:36Z)
• Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
  RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。 RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。 最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
  論文  参考訳（メタデータ） (2026-06-17T17:59:34Z)
• DisPOSE: Projected Polystochastic Diffusion for Self-Supervised Multi-View 3D Human Pose Estimation [58.47973015036709]
  DisPOSEは、本質的に離散的な多視点人物割り当て問題を近似する自己教師型フレームワークである。 特定可能なシンクホーン射影を用いることにより、本モデルは有効かつ実現可能な課題への解の導出を学ぶ。 提案手法は、標準データセット上での最先端の自己教師手法よりも優れている。
  論文  参考訳（メタデータ） (2026-06-05T16:14:39Z)
• BilliardPhys-Bench: Benchmarking Physical Reasoning and Visual Dynamics of Multimodal LLMs [12.001081203862192]
  合成ビリヤード環境における物理推論のベンチマークであるビリヤードPhys-Benchについて述べる。 このベンチマークでは,(1)ボールとボールの衝突を予測し,(2)壁面のバウンスを推論し,(3)動作停止後のボール位置を推定する3つの能力について検証した。
  論文  参考訳（メタデータ） (2026-05-29T06:34:15Z)
• Engineering Verifiable Modularity in Transformers via Per-Layer Supervision [0.0]
  分散冗長性は損傷を補うため、資本化にとって重要なものとして認識される注目ヘッドを非難することは、最小限の行動変化をもたらす。 アーキテクチャの介入が隠されたモジュール性を公開することを実証します。 このことは、受動的観察から能動的制御への解釈可能性変換の方法論を台無しにしている。
  論文  参考訳（メタデータ） (2026-03-08T05:18:14Z)
• Same Answer, Different Representations: Hidden instability in VLMs [65.36933543377346]
  本稿では,内部埋め込みドリフト,スペクトル感度,構造的滑らかさを計測する表現認識・周波数認識評価フレームワークを提案する。 このフレームワークを,SEEDBench,MMMU,POPEデータセットを対象とする最新のビジョン言語モデル(VLM)に適用する。
  論文  参考訳（メタデータ） (2026-02-06T12:24:26Z)
• Semantic-aware Graph-guided Behavior Sequences Generation with Large Language Models for Smart Homes [35.431529010502835]
  SmartGenは、コンテキスト対応のユーザ行動データを合成して、下流のスマートホームモデルの継続的な適応をサポートするフレームワークである。 SmartGenは、振る舞いドリフト時の異常検出と振る舞い予測タスクにおけるモデルパフォーマンスを著しく向上する。
  論文  参考訳（メタデータ） (2025-08-05T14:16:10Z)
• Degrees of Freedom Matter: Inferring Dynamics from Point Trajectories [28.701879490459675]
  ニューラルネットワークによってパラメータ化された暗黙の運動場を学習し、同一領域内の新規点の動きを予測することを目的とする。 我々は、SIRENが提供する固有正則化を活用し、入力層を変更して時間的に滑らかな運動場を生成する。 実験では, 未知点軌道の予測におけるモデルの性能評価と, 変形を伴う時間メッシュアライメントへの応用について検討した。
  論文  参考訳（メタデータ） (2024-06-05T21:02:10Z)
• RoHM: Robust Human Motion Reconstruction via Diffusion [58.63706638272891]
  RoHMは、モノクロRGB(-D)ビデオから頑健な3次元人間の動きを復元するためのアプローチである。 ノイズと閉鎖された入力データに条件付けし、一貫した大域座標で完全な可塑性運動を再構成した。 本手法は,テスト時に高速でありながら,定性的かつ定量的に最先端の手法より優れる。
  論文  参考訳（メタデータ） (2024-01-16T18:57:50Z)
• SSMTL++: Revisiting Self-Supervised Multi-Task Learning for Video Anomaly Detection [108.57862846523858]
  自己教師型マルチタスク学習フレームワークを再考し、元の手法にいくつかのアップデートを提案する。 マルチヘッド・セルフアテンション・モジュールを導入することで3次元畳み込みバックボーンを近代化する。 モデルをさらに改良するために,セグメントマップの予測などの自己指導型学習タスクについて検討した。
  論文  参考訳（メタデータ） (2022-07-16T19:25:41Z)
• Neural Monocular 3D Human Motion Capture with Physical Awareness [76.55971509794598]
  物理的に可塑性なマーカーレス3次元モーションキャプチャのための新しいトレーニングシステムを提案する。 人間のモーションキャプチャのためのほとんどのニューラルな手法とは異なり、我々のアプローチは物理的および環境的な制約を認識している。 様々な場面でインタラクティブなフレームレートで、滑らかで物理的に原理化された3dモーションを生成する。
  論文  参考訳（メタデータ） (2021-05-03T17:57:07Z)

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。