論文の概要: Frozen Flows Forget: Diagnosing and Restoring Lost Motion in a Latent-flow World Model

• arxiv url: http://arxiv.org/abs/2609.28414v1
• Date: Wed, 23 Sep 2026 17:17:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.131235
• Title: Frozen Flows Forget: Diagnosing and Restoring Lost Motion in a Latent-flow World Model
• Title（参考訳）: 凍結流の予測:潜在流世界モデルにおける損失運動の診断と復元
• Abstract要約: ラテント・ワールド・モデルは、凍った自己監督型ラテント・スペース・トレインのフローを安定かつ安価に統合するが、プロパティ操作を静かに失うことは、ほとんどの場合、動きに依存している。 Decode-augmented Rollout Training (DART)は、デコードパスの監視でフローのみをトレーニングしながら、表現の凍結を維持しながら、これを修復する。 DARTは、完全なプロトコル上で潜伏している唯一の親よりも優れ、動きの時間構造を復元し、予測された動きをシーンに再結合する。
• 参考スコア（独自算出の注目度）: 5.285356511220407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latent world models that integrate a flow in a frozen self supervised latent space train stably and cheaply, yet silently lose the property manipulation depends on most: motion. The pretrained flow never moves the manipulated object; retraining it with latent-only losses only trades stillness for teleport-like motion. We trace the failure to the training signal, not the representation: anchor-sparse, latent-only supervision never says where along the horizon change belongs. Decode-augmented rollout training (DART) repairs this while keeping the representation frozen, retraining only the flow with decode-path supervision. DART outperforms its latent only parent on the full protocol, restores the temporal structure of motion, and re-couples predicted motion to the scene; at larger scale it further improves prediction quality, closing nearly half the remaining gap to an oracle-informed interpolation reference. Finally, we report an unexpected finding about evaluation: pixel error alone rewards frozen predictions.
• Abstract（参考訳）: 凍った自己監督型潜在宇宙列車のフローを安定かつ安価に統合する潜在世界モデルは、資産の操作を静かに失う。 事前訓練された流れは、操作された物体を動かすことはなく、遅延のみの損失で再訓練することは、テレポートのような動きに対して静止性のみを交換する。 私たちは、トレーニング信号の失敗を、表現ではなく、追跡する:アンカースパーで、潜伏のみの監督は、地平線の変化がどこにあるのかを決して言わない。 Decode-augmented Rollout Training (DART)は、デコードパスの監視でフローのみをトレーニングしながら、表現の凍結を維持しながら、これを修復する。 DARTは、完全なプロトコル上で潜在唯一の親よりも優れており、動きの時間構造を復元し、予測された動きをシーンに再結合する。 最後に, 画素誤差だけでは凍結予測に報いるという, 予期せぬ評価の発見を報告する。

関連論文リスト

• AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback [51.92060148406936]
  間欠的な視覚的損失は、水中周回中の目標相対的なフィードバックを妨害する。 AquaOrbitは、水中の目標軌道を周回するリカバリモジュールを備えた強化学習用コントローラである。
  論文  参考訳（メタデータ） (2026-09-21T03:29:45Z)
• Dueling World Models: Advantage-Style Action Channels for Common-Mode Distractor Rejection [2.079922976674856]
  予測の行動に対する平均効果を減じることは、行動が共有するあらゆる行為をキャンセルすることを示します。 グリッドワールドの向こう側には、既知の要因を持つ合成発電機、継続的な制御の妨げ、そして自然ピクセルのアタリがあり、孤立したチャネルはエージェント自身の効果を回復させる。
  論文  参考訳（メタデータ） (2026-08-07T02:02:19Z)
• FBFM: A Training-Free Asynchronous Feedback Mechanism for Flow-Matching in World-Action Models Execution [50.18922379062543]
  フィードバックフローマッチング(Feedback Flow Matching, FBFM)は、アクティブに生成されたチャンク内で再接地を行うトレーニング不要な推論機構である。 トレーニング不要であるため、このメカニズムは予期せぬ事象に対する応答性を改善し、長時間の作業におけるドリフトを抑制する。 我々は,FBFMを第2世代WAMと第2世代WAMの両方で評価した。
  論文  参考訳（メタデータ） (2026-07-31T10:11:09Z)
• MotionMAR: Multi-scale Auto-Regressive Human Motion Reconstruction from Sparse Observations [51.837372131319285]
  MotionMARは、スパース観測からの運動再構成のためのフレームワークである。 まず、人間の動きのグローバルな軌跡を推定し、時間的詳細を徐々に洗練する。 MotionMARは、AMASSデータセット上で最先端の精度を達成する。
  論文  参考訳（メタデータ） (2026-06-22T08:15:56Z)
• Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
  Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。 表現の崩壊を防ぎ、アクション整列表現を誘導する。 コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
  論文  参考訳（メタデータ） (2026-06-18T11:25:16Z)
• Perfect Demo Makes Poor Teacher: Learning Robust Alignment from Critical Motion Segments [53.85970147743299]
  専門家によるデモンストレーションは、ロボット模倣学習における金の標準であると広く考えられている。 しかし、挿入、積み重ね、アライメントなどのきめ細かい操作のために、私たちは直感的な失敗モードを発見しました。 視覚言語モデルとアクションエキスパートをブリッジする,コンパクトな動的特徴であるSTAIRを導入する。
  論文  参考訳（メタデータ） (2026-06-14T04:15:29Z)
• Rectify, Don't Regret: Avoiding Pitfalls of Differentiable Simulation in Trajectory Prediction [8.730908751307737]
  現在のオープンループ軌道モデルは、小さな初期偏差が複雑なエラーを発生させるため、現実の自動運転に苦慮している。 シミュレーションステップ間のグラフを明示的に除去するために、分離された後退水平方向のロールアウトを導入する。 我々の手法はより堅牢な回復戦略をもたらし、目標衝突を最大33.24%削減する。
  論文  参考訳（メタデータ） (2026-03-24T16:28:09Z)
• RoboStream: Weaving Spatio-Temporal Reasoning with Memory in Vision-Language Models for Robotics [25.944338247511215]
  VLMベースのプランナーは、各ステップを観察とアクションのマッピングとして扱い、各決定点ごとに生のピクセルからシーンの幾何学を推論する。 SStream-Temporal Fusion Tokens (TF-Tokens) を提案する。 この設計により、プランナーは因果連鎖を追跡でき、追加の訓練や微調整をすることなく、隠蔽下でオブジェクトの永続性を維持することができる。
  論文  参考訳（メタデータ） (2026-03-13T12:34:26Z)
• VLA-JEPA: Enhancing Vision-Language-Action Model with Latent World Model [22.211528017971403]
  VLA-JEPAは、インターネットスケールビデオにおけるビジョン・ランゲージ・アクション(VLA)ポリシーのためのJEPAスタイルの事前トレーニングフレームワークである。 VLA-JEPAは、画素空間ではなく潜時空間で予測することにより、カメラモーションに対して堅牢なダイナミックス抽象化を学習する。 LIBERO, LIBERO-Plus, SimplerEnv, および実世界の操作タスクの実験により, VLA-JEPAは既存の手法よりも一般化と堅牢性において一貫した利得が得られることが示された。
  論文  参考訳（メタデータ） (2026-02-10T18:58:01Z)
• Self-Supervised Learning of Non-Rigid Residual Flow and Ego-Motion [63.18340058854517]
  動的3次元シーンに対する非剛性残留流とエゴ運動流の連成推定によるエンドツーエンドのシーンフロー学習法を提案する。 我々は、点クラウドシーケンスの時間的一貫性性に基づいて、自己監督的な信号で教師付きフレームワークを拡張した。
  論文  参考訳（メタデータ） (2020-09-22T11:39:19Z)

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。