論文の概要: Beyond Visual Quality: A Study of Test-Time Planning with World Action Models

• arxiv url: http://arxiv.org/abs/2609.24745v1
• Date: Mon, 21 Sep 2026 15:15:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 15:24:58.049139
• Title: Beyond Visual Quality: A Study of Test-Time Planning with World Action Models
• Title（参考訳）: 視覚的品質を超えて:世界行動モデルを用いたテスト時間計画に関する研究
• Abstract要約: 世界行動モデルは、その結果の視覚的予測と共に行動を生成する。 未来の想像でアクションの選択をガイドする方法はまだ不明だ。 標本化行動が異なる結果をもたらすか,これらの違いが予測に現れるか,スコアが認識するかどうかを検討する。
• 参考スコア（独自算出の注目度）: 33.830678725640944
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World action models generate actions together with visual predictions of their consequences. These paired outputs create the potential for planning by sampling multiple actions from one state, comparing their imagined outcomes, and choosing the action with the most promising predicted outcome. However, how to use imagined futures to guide action selection remains unclear. We examine this planning potential empirically. First, we estimate an oracle upper bound on selection by choosing the sampled candidate whose realised outcome is best. In a controlled same-state analysis, this choice raises success from 68.9% under uniform random selection to 79.2%. We then test selectors based on visual quality, physical consistency, and task progression as controlled interventions. Some tested selectors yield higher observed success, but the gains are uneven and the matched selectors leave much of the measured opportunity unrecovered. To investigate this gap, we examine whether sampled actions lead to different outcomes, whether these differences are visible in the predictions, and whether a score recognises them. Counterfactual branching from the same states shows that selection opportunity is concentrated in relatively few decisions in the initial candidate sets. Action spread and outcome coverage need not increase together. In a further evaluation across trajectory phases with complete action execution, the tested scores again recover little of the available improvement despite a small gain from learned value. These findings distinguish producing consequential action choices from recognising them in generated futures, motivating the evaluation of WAM predictions through their usefulness for decisions rather than visual quality alone.
• Abstract（参考訳）: 世界行動モデルは、その結果の視覚的予測と共に行動を生成する。 これらのペア化されたアウトプットは、ひとつの状態から複数のアクションをサンプリングし、想定された結果を比較し、最も期待された結果にアクションを選択することによって、計画の可能性を生み出す。 しかし、アクション選択を導くために想像された未来をどのように使うかは、まだ不明である。 この計画の可能性を実証的に検討する。 まず,実験結果が最良であるサンプル候補を選択することにより,選択上のオラクル上限を推定する。 制御された同状態分析では、この選択は、均一なランダム選択の下で68.9%から79.2%に上昇する。 次に、制御された介入として、視覚的品質、身体的整合性、タスク進行性に基づいてセレクタをテストする。 テストされたセレクタによっては、より高い結果が得られるが、ゲインは不均一であり、マッチしたセレクタは測定された機会の多くを未発見のまま残す。 このギャップを解明するために,サンプル動作が異なる結果をもたらすか,これらの違いが予測に現れるか,スコアが認識するかどうかを検討する。 同じ州からの事実上の分岐は、選択の機会が初期候補集合における比較的少数の決定に集中していることを示している。 行動の広がりと結果のカバレッジが一緒になる必要はない。 完全な動作実行を伴う軌道相のさらなる評価では、学習された値からわずかに得ているにもかかわらず、テストされたスコアは、利用可能な改善のほとんどを回復しない。 これらの知見は, 視覚的品質のみではなく, 意思決定に有用であることを通じて, WAM予測の評価を動機付けることによって, 生成した未来における認識から, 連続的な行動選択を生み出すことを区別した。

関連論文リスト

• Potential Outcome Rankings for Counterfactual Decision Making [13.227097895806734]
  我々は2つの新しい指標を導入することで、新しい対実的意思決定ルールについて検討する。 PoRは、個人にとって最も可能性の高い結果のランキングを明らかにしている。 PoBは、アクションが個人にとって最上位の結果をもたらす可能性が最も高いことを示している。
  論文  参考訳（メタデータ） (2025-11-13T19:58:19Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• Relative Value Biases in Large Language Models [0.0]
  人間と動物の強化学習の研究は、過去に比較的良い結果をもたらす選択肢を好んだ。 本研究は,大規模言語モデルが同様のバイアスを示すかどうかを検証した。
  論文  参考訳（メタデータ） (2024-01-25T21:49:32Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Robust Design and Evaluation of Predictive Algorithms under Unobserved Confounding [6.925076885159747]
  本稿では,予測アルゴリズムの堅牢な設計と評価のためのフレームワークを提案する。 様々な不確定な仮定が、所得グループ間での信用リスク予測と公平性評価に大きく影響していることが示される。
  論文  参考訳（メタデータ） (2022-12-19T20:41:44Z)
• Causal Inference Struggles with Agency on Online Platforms [32.81856583026165]
  ユーザの自己選択から導かれる観察研究の有効性を評価することを目的として,Twitter上で4つの大規模内部スタディ比較を行った。 この結果から,ユーザの自己選択から導かれる観察研究は,オンラインプラットフォーム上でのランダム化実験の代替手段として不十分であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-19T16:14:00Z)
• Understanding Prediction Discrepancies in Machine Learning Classifiers [4.940323406667406]
  本稿では,同一データ上で訓練された最高の性能モデル群における予測誤差を分析することを提案する。 モデルに依存しないアルゴリズムであるDIGは,局所的に不一致を捉え,説明するために提案される。
  論文  参考訳（メタデータ） (2021-04-12T13:42:50Z)

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。