論文の概要: Aim Short to Reach Far: Your Frozen World Model Can Plan Better Than You Think

• arxiv url: http://arxiv.org/abs/2609.30036v2
• Date: Fri, 25 Sep 2026 09:34:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.059228
• Title: Aim Short to Reach Far: Your Frozen World Model Can Plan Better Than You Think
• Title（参考訳）: 凍った世界モデル、想像以上に良くなるかも
• Abstract要約: ビジュアルワールドモデル上に構築されたプランナーは、通常、符号化されたゴール画像からの距離によって予測された結果を評価する。 目標を達成するには、最初はそれから離れる行動が必要だ、と私たちは示しています。 凍結したLeWMモデルでは、中間ターゲットはアクション合成を大幅に改善する。
• 参考スコア（独自算出の注目度）: 9.255922017897404
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Planners built on visual world models commonly score each predicted outcome by its distance to the encoded goal image. We show that this target can limit control even with exact dynamics and globally optimal short-horizon search: reaching a goal may require actions that initially move away from it. With frozen LeWM models, intermediate targets substantially improve action synthesis and recorded-action ranking on Cube, PushT, Reacher, and TwoRoom. Learned targets and targets drawn from observed experience both produce these gains. We introduce Anchored Planning, which retrieves a recorded segment whose start and end resemble the current and goal observations, then aims at an observation shortly after its start. The frozen model scores actions toward this target from the current state. Without additional training, planning toward observed targets outperforms the LeWM planner on every task in our long-range evaluation. Additional final-goal search falls short of the same gains. Lower successor-prediction error need not translate into better control. Success also depends on how far ahead the target is placed and on shrinking the retrieval span as execution advances. Changing only the target lets the same frozen model and planner reach goals that final-goal scoring misses.
• Abstract（参考訳）: ビジュアルワールドモデル上に構築されたプランナーは、通常、符号化されたゴール画像からの距離によって予測された結果を評価する。 目標を達成するには、最初はそれから離れる動作を必要とする可能性がある。 凍結したLeWMモデルでは、中間ターゲットはCube、PushT、Reacher、TwoRoomのアクション合成とレコードアクションランキングを大幅に改善する。 観察された経験から引き出された学習対象と目標の両方が、これらの利益を生み出します。 本稿では,現在および目標観測に類似した記録セグメントを抽出し,開始直後の観測を目標とするアンコール計画を提案する。 凍結されたモデルは、現在の状態からこのターゲットに対するアクションをスコアする。 追加のトレーニングがなければ、観測対象に向けた計画は、長距離評価におけるすべてのタスクにおいて、LeWMプランナーよりも優れています。 最終ゴールの検索も、同じ利益には届かなかった。 低い後続予測誤差は、より良い制御に変換する必要はない。 成功は、ターゲットがどれくらい先に置かれるか、実行が進むにつれて検索が縮小されるかにも依存する。 目標だけを変えると、同じフリーズモデルとプランナーが最終ゴールの得点ミスのゴールに達する。

関連論文リスト

• Does Latent Planning Survive Point Clouds? Action-Conditioned JEPA World Models for Geometric Observations [0.0]
  JEPAワールドモデルは、ラテントスペースを制御するための実用的なルートにします。 0.3-15%のシーンポイントが移動し,3次元自己監督の幾何学的ショートカットによる潜伏予測化合物の時間的最適度が向上した。 標準的なJEPA設計を3つ挙げて、クラウド、フリーズエンコーダ、分散プライア、アクションセンシティブ、および安定なワールドモデルベンチマークを再センスします。
  論文  参考訳（メタデータ） (2026-08-29T20:41:41Z)
• HIQL: Offline Goal-Conditioned RL with Latent States as Actions [81.67963770528753]
  オフラインデータからゴール条件付きRLの階層的アルゴリズムを提案する。 この階層的な分解によって、推定値関数のノイズに頑健になることを示す。 提案手法は,従来の手法を巧みに操り,高次元画像観察にスケールできるとともに,アクションフリーなデータを容易に利用することができる。
  論文  参考訳（メタデータ） (2023-07-22T00:17:36Z)
• Temporally Extended Goal Recognition in Fully Observable Non-Deterministic Domain Models [43.460098744623416]
  既存のアプローチでは、ゴール仮説は1つの最終状態上の1つの共役公式からなると仮定している。 完全可観測非決定論的(FOND)計画領域モデルにおける時間的拡張目標に焦点をあてる。 実験結果から, 異なる認識環境における時間的拡張目標の認識において, 提案手法が正確であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-14T18:02:00Z)
• Multi-Target Active Object Tracking with Monte Carlo Tree Search and Target Motion Modeling [126.26121580486289]
  本研究は,マルチターゲットアクティブオブジェクトトラッキング(AOT)に重点を置いており,複数のターゲットと環境に複数のカメラが配置されている。 目標は、全カメラの全体的な対象範囲を最大化することです。 スポーツゲームをシミュレートするマルチターゲット2D環境を構築し,本手法が対象範囲を効果的に改善できることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2022-05-07T05:08:15Z)
• Maximum Entropy Gain Exploration for Long Horizon Multi-goal Reinforcement Learning [35.44552072132894]
  学習エージェントは、歴史的達成目標分布のエントロピーを最大化する固有の目標を設定するべきである。 本研究の戦略は, 長期多目標課題における先行技術よりも, はるかに優れたサンプリング効率を達成できることが示される。
  論文  参考訳（メタデータ） (2020-07-06T15:36:05Z)
• Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
  未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。 視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。 本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:58:56Z)
• Cooperative Observation of Targets moving over a Planar Graph with Prediction of Positions [0.0]
  ターゲットとオブザーバの2種類のエージェントを持つチームについて考えてみましょう。 オブザーバー(Observer)は、地上を移動する目標を観測する空中UAVである。 この記事では、CTO問題の新しい設定において、以前のバージョンを上回る修正されたヒルクライミングアルゴリズムを示す。
  論文  参考訳（メタデータ） (2020-02-13T00:38:21Z)

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。