論文の概要: What Matters in Designing World Action Models: An Empirical Study

• arxiv url: http://arxiv.org/abs/2609.24048v1
• Date: Mon, 21 Sep 2026 03:20:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 16:06:29.364762
• Title: What Matters in Designing World Action Models: An Empirical Study
• Title（参考訳）: 世界行動モデルの設計において何が重要か : 実証的研究
• Abstract要約: 世界行動モデル(WAM)は、一般化可能なロボット制御のための有望なパラダイムとして登場した。 本稿では、設計選択を歪め、WAMを形成する方法と理由を分析する。 我々は,コアデザインの選択がワールド・アクション・モデリングにどのように影響するか,今後のWAMシステムの開発を導く原則を体系的に理解したいと思っています。
• 参考スコア（独自算出の注目度）: 45.78832879397848
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World Action Models (WAMs) have emerged as a promising paradigm for generalizable robot control. Despite the growing number of WAM systems, existing works often introduce unified systems that bundle together multiple design choices, such as architecture and training strategy, making it difficult to isolate individual contributions and systematically compare alternative designs. In this work, we present a controlled study that disentangles these design choices and analyzes not only their empirical effects, but also how and why they shape WAMs. More specifically, we focus on three fundamental questions in building WAMs: (1) what causal structure should govern the interaction between world modeling and action generation? (2) in which latent space should world modeling be performed? and (3) how do different world-action modeling objectives affect model behavior and performance? Through structurally controlled experiments on three representative benchmarks, RoboCasa-GR1, LIBERO, and LIBERO-Plus, we systematically compare six causal structures, eight latent representations, and four training objectives, covering popular design choices in existing WAMs. We further validate our key findings on real-robot data from the DROID dataset. We hope to provide a systematic understanding of how core design choices affect world-action modeling and what principles can guide the development of future WAM systems.
• Abstract（参考訳）: 世界行動モデル(WAM)は、一般化可能なロボット制御のための有望なパラダイムとして登場した。 WAMシステムの増加にもかかわらず、既存の作業では、アーキテクチャやトレーニング戦略など、複数の設計選択をまとめてまとめる統一システムを導入することが多く、個々のコントリビューションを分離し、代替設計を体系的に比較することは困難である。 本研究では、これらの設計選択を混乱させ、その経験的効果だけでなく、どのようにしてWAMを形成するのか、またなぜWAMを形成するのかを解析する制御された研究を提案する。 より具体的には、WAM構築における基本的な3つの疑問に焦点をあてる:(1)世界モデリングとアクション生成の相互作用を因果構造が支配すべきか? (2)世界モデリングはどの潜在空間で行うべきか? そして(3) 異なる世界行動モデリングの目的がモデル行動とパフォーマンスにどのように影響を与えるのか? 3つの代表的なベンチマークであるRoboCasa-GR1, LIBERO, LIBERO-Plusについて, 系統的に6つの因果構造, 8つの潜在表現, 4つの学習目標を比較し, 既存のWAMにおける一般的な設計選択について検討した。 DROIDデータセットから得られた実ロボットデータに関する重要な知見をさらに検証する。 我々は,コアデザインの選択がワールド・アクション・モデリングにどのように影響するか,今後のWAMシステムの開発を導く原則を体系的に理解したいと思っています。

関連論文リスト

• From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
  アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。 世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。 我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
  論文  参考訳（メタデータ） (2026-07-13T15:22:56Z)
• World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
  VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。 彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。 成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
  論文  参考訳（メタデータ） (2026-05-12T13:10:52Z)
• Telecom World Models: Unifying Digital Twins, Foundation Models, and Predictive Planning for 6G [60.29349053952935]
  本稿では,テレコムシステムダイナミクスの学習,行動条件,不確実性を考慮したモデリングのためのアーキテクチャであるTWM(Telecom World Model)の概念を紹介する。 本研究では,空間環境予測のためのフィールドワールドモデル,動作条件付きキーパフォーマンス指標(KPI)軌道予測のための制御/力学ワールドモデル,意図翻訳とオーケストレーションのための通信基盤モデルレイヤからなる3層アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-04-08T09:41:58Z)
• The Trinity of Consistency as a Defining Principle for General World Models [106.16462830681452]
  一般世界モデルは、客観的物理法則を学習し、シミュレートし、推論することができる。 本稿では,一般世界モデルに必要な基本的特性を定義するための理論的枠組みを提案する。 我々の研究は、現在のシステムの限界と将来の進歩のためのアーキテクチャ要件の両方を明確にし、一般的な世界モデルへの原則的な経路を確立します。
  論文  参考訳（メタデータ） (2026-02-26T16:15:55Z)
• ISMIE: A Framework to Characterize Information Seeking in Modern Information Environments [4.975635666875205]
  情報探索(IS)モデルは、ユーザ・システム間のインタラクションを特徴付ける効果的なメカニズムである。 現代情報環境における情報探索(ISMIE)フレームワークを基本ステップとして提案する。
  論文  参考訳（メタデータ） (2025-10-09T00:32:07Z)
• What Do LLM Agents Do When Left Alone? Evidence of Spontaneous Meta-Cognitive Patterns [27.126691338850254]
  外部に課されたタスクを欠いた大規模言語モデル(LLM)エージェントの動作を研究するアーキテクチャを提案する。 永続的なメモリと自己フィードバックを使用して、継続的な理由と行動のフレームワークは、持続的な自律的な操作を可能にします。
  論文  参考訳（メタデータ） (2025-09-25T14:29:49Z)
• Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
  大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。 我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
  論文  参考訳（メタデータ） (2025-05-28T15:20:09Z)
• Learning Local Causal World Models with State Space Models and Attention [1.5498250598583487]
  本研究では,SSMが単純な環境のダイナミクスをモデル化し,因果モデルを同時に学習できることを示す。 我々は、SSMの強みに傾倒するさらなる実験の道を開き、因果意識でそれらをさらに強化する。
  論文  参考訳（メタデータ） (2025-05-04T11:57:02Z)
• Accounting for AI and Users Shaping One Another: The Role of Mathematical Models [17.89344451611069]
  我々は,AIとユーザが相互にどのように形成するかを数学的に規定する形式的相互作用モデルの開発を論じる。 ユーザと対話するAIシステムを設計、評価、監査する際に、正式なインタラクションモデルを活用するようにコミュニティに呼びかけます。
  論文  参考訳（メタデータ） (2024-04-18T17:49:02Z)

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。