論文の概要: PileBelief: Persistent Physical State for Interaction-Driven World Modeling

• arxiv url: http://arxiv.org/abs/2609.22858v1
• Date: Sat, 19 Sep 2026 07:54:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:16:52.306116
• Title: PileBelief: Persistent Physical State for Interaction-Driven World Modeling
• Title（参考訳）: PileBelief: インタラクション駆動の世界モデリングのための永続的な物理的状態
• Abstract要約: PileBeliefは、部分的に観察された発掘のための相互作用駆動の永続的世界モデルである。 観測条件付き物理前兆と世界適応型変形記憶と物理応答メモリを組み合わせる。 5段階の共同予測誤差を10.8%減らし、オフライン動作選択の後悔を65.5%減らした。
• 参考スコア（独自算出の注目度）: 22.888494219834413
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World models allow robots to anticipate action consequences before execution. This capability is especially valuable in excavation, where each scoop reshapes the terrain and affects subsequent actions. Local observations, however, cannot fully reveal the underlying support and material conditions. We present PileBelief, an interaction-driven persistent world model for partially observed excavation that retains physical evidence beyond the visible surface. It combines an observation-conditioned physical prior with world-addressed deformation memory and physical-response memory. Action-aligned reads and gated residual corrections refine terrain-change and outcome predictions. With deployment weights fixed, completed interactions update measured belief, while hypothetical actions advance a separate imagined state. Compared with a current-observation-only baseline, PileBelief reduces five-step joint prediction error by 10.8% and offline action-selection regret by 65.5%. Experiments on Newton/MPM and real excavation datasets further demonstrate improved terrain-change and bucket-volume prediction. Our method enables multi-step prediction and candidate-action ranking from local observations, even when the underlying soil state is unknown. These results identify persistent physical belief as a useful representation for world models of environments that robots continually reshape.
• Abstract（参考訳）: 世界モデルでは、ロボットは実行前に行動の結果を予測することができる。 この能力は掘削において特に有用であり、各スクープは地形を回復し、その後の行動に影響を与える。 しかし、局所的な観測では、基盤となる支持と物質的条件が完全には明らかにできない。 PileBeliefは、部分的に観察された発掘のための相互作用駆動の持続的世界モデルであり、目に見える表面を超えた物理的証拠を保持する。 観測条件付き物理前兆と世界適応型変形記憶と物理応答メモリを組み合わせる。 アクションアライメントされた読み取りとゲート残差補正は地形変化と結果予測を洗練させる。 展開重みが固定されたことにより、完了した相互作用は測定された信念を更新し、仮説的な行動は別の想像状態に進む。 現行の観測のみのベースラインと比較して、PileBeliefは5ステップの共同予測エラーを10.8%削減し、オフライン動作選択の後悔を65.5%削減した。 Newton/MPMおよび実際の掘削データセットの実験により、地形変化とバケット体積予測がさらに改善された。 本手法は,土壌の状態が未知であっても,局所的な観測から多段階の予測と候補行動のランク付けを可能にする。 これらの結果は、持続的な物理的信念が、ロボットが継続的に再形成する環境の世界モデルにとって有用な表現であることを示している。

関連論文リスト

• World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
  世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。 これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。 可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
  論文  参考訳（メタデータ） (2026-09-15T06:22:42Z)
• What Can Latent World Models Know? Physical Parameter Identifiability in Multimodal Predictive Representations [18.546826658944806]
  POKEWORLDは、視覚的に同一の物体が質量、抗力、接触硬さを隠す対話型環境である。 認証付きプロトコルは、まず、生の観測から回復可能な各パラメータを認証し、潜伏状態に入るかどうかを測定する。 RH20Tでは、2つのロボットと4,258エピソードにまたがって両方のメカニズムを再現する。
  論文  参考訳（メタデータ） (2026-07-29T15:15:30Z)
• Feedback World Model Enables Precise Guidance of Diffusion Policy [36.965417653906535]
  本稿では,推定時刻における予測と観測のループを閉じる新たなパラダイムであるフィードバック・ワールド・モデルを提案する。 本手法は,分布シフト時の予測精度とポリシー性能を大幅に向上することを示す。 特に、世界モデルの予測誤差を最大76.4%削減し、アウト・オブ・ディストリビューション(OOD)の成功率を30%改善する。
  論文  参考訳（メタデータ） (2026-05-15T07:52:13Z)
• Human locomotor control timescales depend on the environmental context and sensory input modality [37.48294298569551]
  制御時間スケールを定量化する統合データ駆動フレームワークを提案する。 ウォーキングやランニングといったタスクにこのフレームワークを適用します。 本研究の枠組みは,ロポモタ・フット配置制御の時間尺度に影響を与える要因を明らかにする。
  論文  参考訳（メタデータ） (2025-03-20T16:57:15Z)
• Physion++: Evaluating Physical Scene Understanding that Requires Online Inference of Different Physical Properties [100.19685489335828]
  この研究は、人工システムにおける視覚的身体的予測を厳格に評価する新しいデータセットとベンチマークであるPhysylon++を提案する。 正確な予測が質量、摩擦、弾性、変形性などの特性の推定に依存するシナリオをテストする。 我々は,様々なレベルの学習と組込み知識にまたがる最先端予測モデルの性能を評価し,その性能を人間の予測と比較した。
  論文  参考訳（メタデータ） (2023-06-27T17:59:33Z)
• Predictive World Models from Real-World Partial Observations [66.80340484148931]
  本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。 従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
  論文  参考訳（メタデータ） (2023-01-12T02:07:26Z)

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。