論文の概要: DualWAM: Dual-System World Action Models for Asynchronous Global Planning and Local Refinement

• arxiv url: http://arxiv.org/abs/2609.24868v1
• Date: Mon, 21 Sep 2026 16:37:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 15:04:14.250157
• Title: DualWAM: Dual-System World Action Models for Asynchronous Global Planning and Local Refinement
• Title（参考訳）: DualWAM: 非同期グローバルプランニングとローカルリファインメントのためのデュアルシステムワールドアクションモデル
• Abstract要約: Methodは、広帯域なワールドアクション生成を保ちながら、高周波クローズドループアクション更新を可能にするデュアルシステムWAMである。 サイソンは、中間音化状態から時間的に整列した短い窓を抽出し、低音化を完了させる。 最も評価の高いベースラインよりも平均4.5ポイント向上し、16.6$times$Critical-pathスピードアップを達成した。
• 参考スコア（独自算出の注目度）: 25.27108088757832
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: World Action Models (WAMs) jointly generate robot actions and predict future world states, transferring priors from video pretraining to robot control. However, future visual prediction is computationally expensive, so existing WAMs often rely on long action chunks to amortize inference cost across control steps, at the cost of closed-loop responsiveness. We present \method, a dual-system WAM that preserves broader-horizon world-action generation while enabling high-frequency closed-loop action updates by decoupling global planning and local refinement. \systwo periodically performs high-noise bidirectional denoising over a broader world-action chunk to establish a global plan, while wrist-only \sysone extracts a temporally aligned short window from the intermediate denoising state and completes low-noise refinement using the latest wrist observations, which provide action-aligned cues about local geometry, motion, and contact during interaction. The two systems operate asynchronously along a shared denoising trajectory: each global plan is reused across multiple local updates, while \sysone repeatedly incorporates fresh interaction feedback. Across zero-shot manipulation tasks on Franka and Galbot, \method improves success over the strongest evaluated baseline by 4.5 percentage points on average, while achieving a 16.6$\times$ critical-path speedup. Further studies show that role-matched egocentric and UMI data improve success by 14 percentage points, and that the decoupled design naturally supports edge--cloud deployment with substantially lower communication overhead than the baseline.
• Abstract（参考訳）: World Action Models (WAM) は、ロボットアクションを共同で生成し、将来の世界状態を予測する。 しかし、将来の視覚予測は計算に費用がかかるため、既存のWAMは、閉ループ応答性(英語版)を犠牲にして、制御ステップ間の推論コストを抑えるために、長いアクションチャンクに頼っていることが多い。 我々は,グローバルプランニングと局所改善を分離して,高周波クローズドループ動作の更新を可能にしながら,より広帯域なワールドアクション生成を保ったデュアルシステムWAMである‘method’を提案する。 一方、手首のみのShasysoneは、中間の聴覚状態から時間的に整列した短い窓を抽出し、最新の手首観察を用いて低雑音改善を完了し、局所幾何学、運動、接触に関する行動整列の手がかりを提供する。 それぞれのグローバルプランは、複数のローカルアップデートで再利用される一方、‘sysone’には、新鮮なインタラクションフィードバックが繰り返し組み込まれている。 フランカとガルボットのゼロショット操作タスク全体では、最高評価ベースラインよりも平均4.5ポイント向上し、16.6$\times$Critical-pathスピードアップを達成した。 さらに,役割整合型エゴセントリックデータとUMIデータによって14ポイントの成功率が向上し,疎結合型設計では,ベースラインよりも通信オーバーヘッドが大幅に低いエッジクラウドデプロイメントが自然にサポートされることを示した。

関連論文リスト

• World Models Under Asynchronous Sensor Observations [0.0]
  物理センシングは不均一な速度で動作し、ほとんどの観測チャネルは任意の瞬間に安定している。 自然な代替手段は、最新の読み出しをゼロオーダーホールドすることであり、安定化と更新までの時間という2つの特徴を通じて、既知のサンプリングスケジュールをモデルに提供することである。 その結果,リフレッシュ・ツー・リフレッシュの有効性は,サンプリングスケジュールの因果的役割,特にリフレッシュイベントがシステムに影響を及ぼす場合に左右されることがわかった。
  論文  参考訳（メタデータ） (2026-09-07T10:17:17Z)
• Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning [60.888463449435484]
  シフト・アンド・ドリフト(Shift & Drift)は、分散シフトの2つの重要な軸にまたがる、厳密なストレス-テスト運動プランナーのための新しいデュアルトラックベンチマークである。 擬似学習手法は,IDベンチマークにおいて高いスコアを得るが,時間的に相関したアクティベーションノイズを受けると持続的なドリフトに悩まされることを示す。 本研究は, 模擬忠実度と閉ループレジリエンスのトレードオフを実証的に明らかにし, 信頼性の高い展開に向けた進捗を評価するための厳密なベンチマークをコミュニティに提供する。
  論文  参考訳（メタデータ） (2026-07-08T18:23:48Z)
• STAGformer: A Spatio-temporal Agent Graph Transformer for Micro Mobility Demand Forecasting [0.0]
  本稿では,線形計算複雑性を伴う効率的なグローバルモデリングを実現するS時間エージェント変換器STAGformerを提案する。 モデルは2段階のエージェントアテンション機構を導入し、学習可能な空間的および時間的エージェントトークンの小さなセットがグローバル情報を集約し、それを個々のステーションやタイムステップにブロードキャストする。 2つの実世界のデータセットの実験により、STAGformerは複数の予測地平線を越えて常に最先端のベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2026-07-07T08:15:20Z)
• UniFS: Unified Fast-to-Slow Hierarchical Architecture for Vision-Language-Action Models [15.95393143175101]
  視覚言語モデルのための統合型高速・低速アーキテクチャUniFSを紹介する。 VLA-Adapterベースラインを2.5%上回る平均成功率は98.3%)。 LIBEROの実験では、UniFSは最先端のパフォーマンスを達成する(平均成功率98.3%、VLA-Adapterベースラインよりも2.5%)。
  論文  参考訳（メタデータ） (2026-06-22T03:10:19Z)
• AHA-WAM:Asynchronous Horizon-Adaptive World-Action Modeling with Observation-Guided Context Routing [45.6226084109777]
  本稿では,Diffusion Transformer (DiT) アーキテクチャ上に構築されたAHA-WAM(Asynchronous Horizon-Adaptive World-Action Model)を提案する。 AHA-WAMはロボットデータの事前学習なしに最先端のパフォーマンスを達成し、RoboTwinで平均92.80%、実世界の4つのタスクで78.3%の成功を達成した。
  論文  参考訳（メタデータ） (2026-06-08T17:55:18Z)
• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• DexWorldModel: Causal Latent World Modeling towards Automated Learning of Embodied Tasks [54.32016216994156]
  本稿では,DINOv3特徴を生成対象として用い,視覚ノイズから相互作用意味を乱す因果潜在世界モデル(CLWM)を提案する。 メモリスケーリングを克服するため、CLWMはDual-State Test-Time Training (TTT)メモリを備えている。 EmbodiChainは、トレーニング中に物理基底軌道の無限の流れを注入することによって効率法を確立するオンラインフレームワークである。
  論文  参考訳（メタデータ） (2026-04-13T03:19:36Z)
• 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)
• Global Prior Meets Local Consistency: Dual-Memory Augmented Vision-Language-Action Model for Efficient Robotic Manipulation [95.89924101984566]
  GPM(Global Prior Memory)とLCM(Local Consistency Memory)を備えたデュアルメモリVLAフレームワークOptimusVLAを紹介する。 GPMはガウスノイズを意味論的に類似した軌道から取得したタスクレベルの先行値に置き換える。 LCMは、時間的コヒーレンスと軌道の滑らかさを強制する学習された一貫性制約を注入する。
  論文  参考訳（メタデータ） (2026-02-22T15:39:34Z)
• Temporal Context Aggregation Network for Temporal Action Proposal Refinement [93.03730692520999]
  時間的行動提案生成はビデオ理解分野において難しいが重要な課題である。 現在の方法はまだ不正確な時間境界と検索に使用される劣った自信に苦しんでいます。 TCANet は、「ローカルおよびグローバル」な時間的コンテキストアグリゲーションを通じて、高品質のアクション提案を生成するために提案します。
  論文  参考訳（メタデータ） (2021-03-24T12:34:49Z)

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。