論文の概要: NeuIDO: Neural Intrinsic Dynamics Operator for Physics-Informed 4D World Models

• arxiv url: http://arxiv.org/abs/2609.24313v1
• Date: Mon, 21 Sep 2026 09:12:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.23209
• Title: NeuIDO: Neural Intrinsic Dynamics Operator for Physics-Informed 4D World Models
• Title（参考訳）: NeuIDO:物理インフォームド4次元世界モデルのためのニューラル固有ダイナミクス演算子
• Abstract要約: NeuIDOは、視覚的な観察から統合された内在的ダイナミクス表現を学ぶ、新しい世界ダイナミクスモデリングフレームワークである。 ニューラル演算子学習問題として世界モデリングを定式化し、視覚的観察分布から固有力学分布への一般化可能なマッピングを学習するための2段階のトレーニング戦略を導入する。 この観測力学マッピングに基づいて、NeuIDOはビデオから直接ゼロショットダイナミックス推論を可能にし、数ショット適応によって複雑な実世界のダイナミックスにさらに整合させることができる。
• 参考スコア（独自算出の注目度）: 5.618477080248667
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World models aim to capture environmental dynamics and predict future trajectories, showing growing potential for embodied intelligence. Physics-informed 4D generation integrates physical simulation to predict 3D object interactions, offering a promising pathway toward world models. However, this paradigm relies on manually imposed dynamical assumptions rather than internalizing world dynamics, and thus still leaves a gap toward a true world model. To bridge this gap, we propose NeuIDO, a novel world dynamics modeling framework that learns a unified intrinsic dynamics representation from visual observations, advancing physics-informed 4D generation toward a world model. Specifically, we formulate world modeling as a neural operator learning problem and introduce a two-stage training strategy to learn a generalizable mapping from the visual observation distribution to the intrinsic dynamics distribution. Building on this observation-dynamics mapping, NeuIDO enables zero-shot dynamics inference directly from videos and can be further aligned with complex real-world dynamics via few-shot adaptation. Extensive experiments demonstrate that NeuIDO effectively unifies the intrinsic dynamics underlying diverse visual observations into a shared representation and rapidly infers dynamics in novel scenes.
• Abstract（参考訳）: 世界モデルは、環境力学を捉え、将来の軌道を予測し、エンボディド・インテリジェンスの可能性を高めることを目的としている。 物理インフォームド4D生成は物理シミュレーションを統合し、3Dオブジェクトの相互作用を予測し、世界モデルへの有望な経路を提供する。 しかし、このパラダイムは、世界力学を内在化するのではなく、手動で課された動的仮定に依存しており、それでも真の世界モデルへのギャップを残している。 このギャップを埋めるために我々は,物理インフォームド4D生成を世界モデルに向けて進める,統一された内在的ダイナミクス表現を視覚観測から学習する,新しい世界ダイナミクスモデリングフレームワークであるNeuIDOを提案する。 具体的には、ニューラル演算子学習問題として世界モデリングを定式化し、視覚的観察分布から固有力学分布への一般化可能なマッピングを学習するための2段階のトレーニング戦略を導入する。 この観測力学マッピングに基づいて、NeuIDOはビデオから直接ゼロショットダイナミックス推論を可能にし、数ショット適応によって複雑な実世界のダイナミックスにさらに整合させることができる。 広汎な実験により、NeuIDOは様々な視覚的観察の基礎となる固有力学を共有表現に効果的に統一し、新規シーンのダイナミックスを急速に推し進めることを示した。

関連論文リスト

• Analytic Dynamics: Learning Physics-Grounded Representation for Fast Intrinsic Dynamics Inference from Monocular Videos [2.5608298830470013]
  視覚的観察から物体力学を推定することは、知的エージェントが物理的世界について推論し、相互作用することが不可欠である。 本稿では,中間物理基底の動的表現を導入したフィードフォワード動的推論フレームワークであるAnalytic Dynamicsを提案する。
  論文  参考訳（メタデータ） (2026-08-31T16:08:04Z)
• Generalizing Dynamics Modeling More Easily from Representation Perspective [17.958624542632947]
  我々はPDEDER(Generalized Pre-trained Dynamics EncoDER)を行う。 PDEDERは、元の状態の観測結果をより容易に取得できる潜在空間に埋め込む。 ドメイン内設定とクロスドメイン設定の両方で,PDEDERを短時間・長期の予測によって評価する。
  論文  参考訳（メタデータ） (2026-03-24T00:15:47Z)
• TeleWorld: Towards Dynamic Multimodal Synthesis with a 4D World Model [53.555353366322464]
  我々は,映像生成,動的シーン再構成,長期記憶をクローズドループシステム内で統合するリアルタイム多モード4DワールドモデリングフレームワークTeleWorldを提案する。 提案手法は,動的オブジェクトモデリングと静的シーン表現のシームレスな統合を実現し,現実的でインタラクティブで計算可能な合成システムに向けて世界モデルを推し進める。
  論文  参考訳（メタデータ） (2025-12-31T18:31:46Z)
• Can World Models Benefit VLMs for World Dynamics? [59.73433292793044]
  本研究では,世界モデル先行モデルがビジョンランゲージモデルに移行した場合の能力について検討する。 最高の性能を持つDynamic Vision Aligner (DyVA) と名付けます。 DyVAはオープンソースとプロプライエタリの両方のベースラインを超え、最先端または同等のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2025-10-01T13:07:05Z)
• Dyn-O: Building Structured World Models with Object-Centric Representations [42.65409148846005]
  オブジェクト中心の表現に基づいて構築された拡張構造化世界モデルであるDyn-Oを紹介する。 オブジェクト中心表現における以前の研究と比較すると、Dyn-Oは学習表現とモデリングダイナミクスの両方において改善されている。 提案手法は,画素観測からオブジェクト中心の世界モデルを直接学習し,DreamerV3のロールアウト予測精度を向上する。
  論文  参考訳（メタデータ） (2025-07-04T05:06:15Z)
• Pre-Trained Video Generative Models as World Simulators [59.546627730477454]
  本研究では,事前学習した映像生成モデルを制御可能な世界シミュレータに変換するための動的世界シミュレーション(DWS)を提案する。 条件付き動作と生成した視覚的変化の正確なアライメントを実現するために,軽量で普遍的な動作条件付きモジュールを導入する。 実験により、DWSは拡散モデルと自己回帰変換モデルの両方に汎用的に適用可能であることが示された。
  論文  参考訳（メタデータ） (2025-02-10T14:49:09Z)
• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Decomposed Linear Dynamical Systems (dLDS) for learning the latent components of neural dynamics [6.829711787905569]
  本稿では,時系列データの非定常および非線形の複雑なダイナミクスを表現した新しい分解力学系モデルを提案する。 我々のモデルは辞書学習によって訓練され、最近の結果を利用してスパースベクトルを時間とともに追跡する。 連続時間と離散時間の両方の指導例において、我々のモデルは元のシステムによく近似できることを示した。
  論文  参考訳（メタデータ） (2022-06-07T02:25:38Z)
• The Three Stages of Learning Dynamics in High-Dimensional Kernel Methods [14.294357100033954]
  我々は、SGDトレーニングニューラルネットワークの制限力学である、最小二乗目的のフローのトレーニング力学を考察する。 SGDはより複雑な関数を徐々に学習し、「深い勾配」現象が存在することを示す。
  論文  参考訳（メタデータ） (2021-11-13T18:29:36Z)

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。