論文の概要: OnlineWM: Causality-Aware Active Online Learning for Effective World Modeling

• arxiv url: http://arxiv.org/abs/2609.23753v1
• Date: Sun, 20 Sep 2026 17:05:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.975661
• Title: OnlineWM: Causality-Aware Active Online Learning for Effective World Modeling
• Title（参考訳）: OnlineWM: 効果的な世界モデリングのための因果認識型アクティブオンライン学習
• Abstract要約: OnlineWMは、アクティブなシミュレータインタラクションと因果認識最適化を通じて世界モデリングを改善するオンライントレーニングフレームワークである。 OnlineWMはアクション制御性を著しく向上し、目に見えないドメインに効果的に一般化する。
• 参考スコア（独自算出の注目度）: 23.943847604009903
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative world models aim to predict future states conditioned on actions, where action controllability is fundamental for reliable dynamics modeling. While recent efforts leverage simulator-generated data to enhance this capability, existing training pipelines face two fundamental limitations. First, static offline data collection leads to a distribution misalignment between training sets and the model's evolving error patterns, failing to resolve critical long-tail scenarios where dynamics predictions remain unreliable. Second, the standard objective of minimizing observational discrepancy often encourages the model to exploit spurious correlations instead of capturing the underlying action-effect causality. To address these limitations, we propose OnlineWM, an online training framework that continuously improves world modeling through active simulator interaction and causality-aware optimization. OnlineWM introduces two key innovations: (1) Active Online Learning: Instead of using fixed datasets, OnlineWM adaptively queries the simulator for new interaction sequences that target the model's current predictive weaknesses, ensuring high-utility data acquisition. (2) Causality-Aware Fine-Tuning: We propose a counterfactual learning strategy that contrasts the outcomes of different actions from identical states, forcing the model to attribute state transitions to specific actions rather than ambient environmental evolution, thereby grounding its predictions in reliable causal mechanisms. By integrating active data acquisition with causal optimization, OnlineWM establishes a closed-loop refinement process that ensures the model is both robust to diverse scenarios and precise in its causal attribution. Extensive experiments demonstrate that OnlineWM significantly enhances action controllability and generalizes effectively to unseen domains.
• Abstract（参考訳）: ジェネレーティブ・ワールド・モデルは、アクションの制御可能性が信頼性のあるダイナミクス・モデリングに欠かせない未来の状態を予測することを目的としている。 最近の取り組みではシミュレータ生成データを活用してこの機能を強化しているが、既存のトレーニングパイプラインには2つの基本的な制限がある。 まず、静的なオフラインデータ収集は、トレーニングセットとモデルの進化するエラーパターンの間の分散の不一致につながります。 第二に、観測上の矛盾を最小限に抑えるという標準的な目的は、基礎となる行動効果因果関係を捉えるのではなく、素早い相関を利用するようモデルに促すことがしばしばある。 この制限に対処するため,オンライントレーニングフレームワークであるOnlineWMを提案する。 OnlineWMは、(1) アクティブオンライン学習: 固定データセットを使用する代わりに、モデルの現在の予測弱点をターゲットにした新しいインタラクションシーケンスのシミュレータを適応的にクエリし、高ユーティリティなデータ取得を保証する。 2) 因果関係を意識したファインタニング: 異なる行動の結果を同一の状態と対比し, モデルに環境変化ではなく, 特定の行動への状態遷移を考慮させ, 信頼性の高い因果機構による予測を基礎づける反事実学習戦略を提案する。 OnlineWMは、アクティブなデータ取得と因果最適化を統合することで、モデルが多様なシナリオに対して堅牢であり、因果属性の正確性の両方を保証するクローズドループ改善プロセスを確立する。 大規模な実験により、OnlineWMはアクション制御性を著しく向上し、目に見えない領域に効果的に一般化することが示された。

関連論文リスト

• PROWL: Prioritized Regret-Driven Optimization for World Model Learning [20.10187986360715]
  我々は,拡散に基づく世界モデルの高次軌道を公開するための政策を訓練する,KL制約の逆行カリキュラムを導入する。 提案手法をMineRLフレームワークで実装し, 既設のアウト・オブ・ディストリビューション・トラジェクトリで評価する。
  論文  参考訳（メタデータ） (2026-05-11T14:24:19Z)
• 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)
• Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
  ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。 連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。 複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
  論文  参考訳（メタデータ） (2026-02-04T05:37:09Z)
• Abstain Mask Retain Core: Time Series Prediction by Adaptive Masking Loss with Representation Consistency [4.047219770183742]
  時系列予測はエネルギー管理や金融市場といった重要な領域において重要な役割を担っている。 本研究は, 履歴データを適切に切り詰めることによって予測精度を向上させるという, 直感に反する現象を明らかにする。 本稿では,適応的マスキング・ロス(Adaptive Masking Loss)と表現整合性(Representation Consistency)を提案する。
  論文  参考訳（メタデータ） (2025-10-22T19:23:53Z)
• From Physics to Machine Learning and Back: Part II - Learning and Observational Bias in PHM [52.64097278841485]
  物理インフォームドモデリングとデータストラテジーによる学習と観察バイアスの導入は、モデルを物理的に一貫した信頼性のある予測へと導くことができるかを検討する。 メタラーニングや少数ショットラーニングなどの高速適応手法をドメイン一般化手法とともに検討する。
  論文  参考訳（メタデータ） (2025-09-25T14:15:43Z)
• AdaWM: Adaptive World Model based Planning for Autonomous Driving [34.57859869929471]
  世界モデルに基づく強化学習(RL)が自律運転の有望なアプローチとして登場した。 プレトレイン-ファイントゥンパラダイムは、オンラインRLが事前訓練されたモデルによってパフォーマンスされ、オフラインで学習されるポリシーで使用されることが多い。 本稿では,アダプティブ・ワールド・モデルに基づく計画手法であるAdaWMを紹介する。(a)ミスマッチを定量化し,微調整戦略を通知するミスマッチ識別と,(b)ポリシーやモデルを必要に応じて選択的に更新するアライメント駆動微調整である。
  論文  参考訳（メタデータ） (2025-01-22T18:34:51Z)
• Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
  本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。 我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
  論文  参考訳（メタデータ） (2022-10-23T00:45:05Z)

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。