論文の概要: FARM: Reading Failure Signals from the Internal Predictive States of a Frozen Robotic World Model

• arxiv url: http://arxiv.org/abs/2609.11445v1
• Date: Thu, 10 Sep 2026 12:14:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.337181
• Title: FARM: Reading Failure Signals from the Internal Predictive States of a Frozen Robotic World Model
• Title（参考訳）: FARM:冷凍ロボット世界モデルの内部予測状態から故障信号を読み取る
• Abstract要約: FARM(Failure-Aware Readout from World Models)は、凍結したVLA-JEPA予測状態上の33,985パラメータの読み取りのみを訓練する。 7つのソースタスクの5倍のアウトオブフォールド評価が85.68/88.59プールされたAUROC/AUPRCに到達し、FARMは10タスクのベンチマークでマッチした15のベースラインの中で最高のSeenパフォーマンスを提供する。
• 参考スコア（独自算出の注目度）: 6.91927885742938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable robot deployment requires online failure monitoring, yet existing monitors mainly derive risk from proxy signals or train dedicated monitoring components. We ask whether the internal predictive states of a frozen pretrained robotic world model already contain directly decodable failure information. Failure-Aware Readout from World Models (FARM) trains only a 33,985-parameter supervised readout over frozen VLA-JEPA predictive states, producing step-wise failure scores and causal trajectory risk. Five-fold out-of-fold evaluation across seven source tasks reaches 85.68/88.59 pooled AUROC/AUPRC, and FARM gives the best Seen performance among 15 matched baselines on the 10-task benchmark. Across four real-robot populations on PIPER X, SO-101, and Franka, fixed-readout transfer and readout-only adaptation test deployment shifts without updating the predictive backbone. FARM also discriminates failures from partial causal histories and adds 0.2256 ms mean CUDA latency once the frozen state is available. These results support frozen predictive world-model states as reusable features for causal, transferable, and low-overhead execution monitoring.
• Abstract（参考訳）: 信頼性の高いロボットデプロイメントにはオンライン障害監視が必要だが、既存のモニタは主にプロキシ信号や専用監視コンポーネントのトレーニングからリスクを引き出す。 凍結事前訓練されたロボット世界モデルの内部予測状態が、直接デオード可能な故障情報を含んでいるかどうかを問う。 FARM(Failure-Aware Readout from World Models)は、凍結したVLA-JEPA予測状態上での33,985パラメータのリードアウトのみを実行し、ステップワイドな障害スコアと因果軌道リスクを発生させる。 7つのソースタスクで5倍のアウトオブフォールド評価が85.68/88.59プールされたAUROC/AUPRCに到達し、FARMは10タスクのベンチマークでマッチした15のベースラインの中で最高のSeenパフォーマンスを提供する。 PIPER X、SO-101、Frankaの4つの実ロボット集団は、予測バックボーンを更新することなく、固定読み出し転送と読み出し専用適応テストの配置シフトを行う。 FARMはまた、部分的な因果履歴から障害を識別し、凍結状態が利用可能になったら平均0.2256msのCUDAレイテンシを追加する。 これらの結果は、因果関係、転送可能、低オーバーヘッド実行監視のための再利用可能な機能として、凍結予測の世界モデル状態をサポートしている。

関連論文リスト

• IPM-FM: A Foundation Model with Consensus Feature Selection for Industrial Process Monitoring [59.59850511287819]
  産業プロセス監視基盤モデル(IPM-FM)を提案する。 まず、自己教師付き事前学習を通じて、ラベルのない産業プロセスデータから汎用的な表現を学習する。 少数のタスクラベル付きデータを使用して特定の監視タスクに適応し、最終的に校正された予測を生成する。
  論文  参考訳（メタデータ） (2026-09-08T07:43:04Z)
• Prediction of Prediction (PoP): Inter-Layer Activation Fusion for Single-Pass Hallucination Detection in Large Language Models [0.0]
  この研究は、生成中の内部の隠れ状態遷移ダイナミクスが、補助的な復号呼び出しを伴わずに事実エラーを信号化できるかどうかを評価する。 本稿では,層間遷移の不確実性を捉えるメカニズムである予測予測(PoP)を導入する。 PoPは受信機動作特性曲線(AUROC)の領域を75.5%の精度で達成している。
  論文  参考訳（メタデータ） (2026-08-27T14:17:14Z)
• LM-X: Explainable Action Modeling with Progress, Event, and Uncertainty Prediction for Generalist Robot Manipulation [28.431160101245837]
  一般視覚-言語行動(VLA)政策は、主に短期水平行動予測を通じて長期水平行動を学ぶ。 我々は,解剖学的対応を主張することなく,タスク,イベント,運動の規模にわたって予測を整理するLM-Xを紹介する。
  論文  参考訳（メタデータ） (2026-08-26T13:05:29Z)
• NeuroCommitSSM: Decision-Centric Shared Autonomy for Safe Assistive Manipulation via EEG-EMG-ET Commit Readiness [0.5130440339897478]
  本稿では,支援ロボット操作における安全なコミット・ツー・エグゼクティブ制御のための決定中心のフレームワークであるNeuroCommitSSMを提案する。 NeuroCommitSSMは同期脳波(EEG)、筋電図(EMG)、視線追跡(ET)から[0,1]における連続的コミット可読性スコアc_tを予測する ニューラルモデルからの持続的なコミット可読性信号とリアルタイム認識とロボット状態実現性の両方を必要とすることで、実行をゲートする。
  論文  参考訳（メタデータ） (2026-07-16T18:49:44Z)
• Foresight: Failure Detection for Long-Horizon Robotic Manipulation with Action-Conditioned World Model Latents [58.49879338545782]
  ロングホライゾンタスクは、現実のロボット展開では一般的なものだが、そのようなタスクの障害検出は未調査のままである。 動作条件付き世界モデルからの潜在表現を用いて、操作軌跡をモニタする故障検出フレームワークであるForesightを提案する。 この結果から, 動作条件付きワールドモデル埋め込みは, 長距離操作における信頼性のある故障監視のためのスケーラブルな表現を提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-06-22T09:32:28Z)
• CIAware-Bench: Benchmarking Control Intervention Awareness Across Frontier LLMs [100.38986535324284]
  我々は、フロンティアモデル全体でのtextbfcontrol textbfintervention (CI) の認識を測定するベンチマークである textbfCIAware-Bench を紹介する。 CIAware-Benchは、モデルが自身の軌跡を制御介入によって修正されたものと区別できるかどうかをテストする。
  論文  参考訳（メタデータ） (2026-06-09T16:24:16Z)
• ActProbe: Action-Space Probe for Early Failure Detection of Generative Robot Policies [21.31011797815255]
  本稿では、生成ロボットポリシーのための純粋なアクションスペース検出器であるActProbeを紹介する。 TCE(Temporal Consistency Error)は、連続したアクションチャンクと、現在のチャンクのアクションチャンクマグニチュード(ACM)の2つのコンパクト信号を使用する。 タスク条件付きLSTM-MLPアーキテクチャを用いて、これらの信号をステップ毎の障害確率にマッピングする。
  論文  参考訳（メタデータ） (2026-06-07T08:18:11Z)
• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
  ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。 RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。 従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-11T10:14:37Z)
• RAPT: Model-Predictive Out-of-Distribution Detection and Failure Diagnosis for Sim-to-Real Humanoid Robots [1.5765892172285598]
  本稿では,50Hzのヒューマノイド制御のための軽量で自己監督型展開時間モニタRAPTを提案する。 RAPTは,数値シミュレーションから確率的時間的確率多様体を学習し,実行時の予測偏差を評価する。 我々は,シミュレーションおよび物理ハードウェアにおける4つの複雑なタスクに対して,Unitree G1ヒューマノイド上でRAPTを評価する。
  論文  参考訳（メタデータ） (2026-02-02T01:04:55Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
  機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。 本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:05:36Z)

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。