論文の概要: AD-WM: Action-Discriminative World Models for Counterfactual Model Predictive Control

• arxiv url: http://arxiv.org/abs/2609.30264v2
• Date: Fri, 25 Sep 2026 13:33:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.060792
• Title: AD-WM: Action-Discriminative World Models for Counterfactual Model Predictive Control
• Title（参考訳）: AD-WM: 対実モデル予測制御のための行動識別的世界モデル
• Abstract要約: 対実的MPCのための行動識別型共同埋め込み世界モデルであるAD-WMを紹介する。 一致したLeWMベースラインに対して,AD-WMはハードスタート成功率を3.7%から52.0%に改善することを示した。 また,実際の予測誤差と銀行全体の行動ランクが閉ループ成功順序に従わないことを示す。
• 参考スコア（独自算出の注目度）: 31.53438833300694
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent world models are typically trained to predict factual transitions, whereas model predictive control (MPC) must compare alternative actions from the same state. A model can therefore achieve low factual prediction error yet poorly distinguish candidate actions. We introduce AD-WM, an action-discriminative joint-embedding world model for counterfactual MPC. AD-WM combines residual latent dynamics with predictor-level action-recovery regularization, using inverse dynamics and a normalized recovery objective motivated by conditional mutual information. Both objectives encourage planning transitions to preserve action information; their auxiliary heads are discarded at test time, leaving MPC unchanged. On OGBench-Cube, AD-WM improves hard-start success from 3.7% to 52.0% over a matched LeWM baseline and improves mean success over the reproduced baseline in four of five simulation environments. Planning diagnostics show that factual prediction error and whole-bank action ranking do not follow the closed-loop success ordering, whereas CEM-aligned elite regret tracks success more closely. With a frozen V-JEPA 2 encoder and matched DROID post-training, AD-WM also improves zero-shot transfer to our Franka setup, increasing basic pick-and-place success from 42.2% to 71.1% without lab-specific adaptation. These results suggest that world models for planning should preserve action-dependent differences needed for counterfactual selection, rather than optimize factual prediction accuracy alone. More videos and code are available at https://ad-wm.github.io/.
• Abstract（参考訳）: 後期世界モデルは一般的に事実遷移を予測するために訓練されるが、モデル予測制御(MPC)は同じ状態からの代替行動を比較する必要がある。 したがって、モデルは低い事実予測誤差を達成できるが、候補行動の区別は不十分である。 対実的MPCのための行動識別型共同埋め込み世界モデルであるAD-WMを紹介する。 AD-WMは、条件付き相互情報によって動機付けられた逆ダイナミクスと正規化された回復目標を用いて、残留潜時ダイナミクスと予測器レベルの行動回復正則化を組み合わせる。 どちらの目的も行動情報を保存するための計画移行を奨励し、補助的頭部はテスト時に廃棄され、MPCは変わらないままである。 OGBench-Cubeでは、AD-WMは一致したLeWMベースラインよりも3.7%から52.0%のハードスタート成功を向上し、5つのシミュレーション環境のうち4つの再現ベースラインよりも平均的な成功を向上する。 計画診断は、事実予測誤差と銀行全体の行動ランクが閉ループの成功順序に従わないことを示している。 凍結したV-JEPA 2エンコーダとDROIDポストトレーニングのマッチングにより、AD-WMはFrankaセットアップへのゼロショット転送を改善し、基礎的なピック・アンド・プレースの成功率は42.2%から71.1%に向上した。 これらの結果は,現実的予測精度のみを最適化するのではなく,現実的選択に必要な行動依存的な相違を抑える必要があることを示唆している。 さらなるビデオとコードはhttps://ad-wm.github.io/.com/で公開されている。

関連論文リスト

• Learning Counterfactual World Models for Embodied Reasoning under Partial Observability [0.562873332680314]
  世界モデルは予測力学を一度学習し、推論し、計画し、行動することを約束します。 このようなモデルの下の表現は、大規模ビデオ、インタラクション、マルチモーダルコーパスで事前訓練されている。 モデルは視覚的に妥当な未来を予測し、異なる行動結果の介入を区別できない。
  論文  参考訳（メタデータ） (2026-09-05T02:56:47Z)
• No Gaussian Required: Contrastive Inverse Dynamics for JEPA World Models [2.506624215459612]
  JEPA(Joint-Embedding Predictive Architectures)は、将来の埋め込みを予測することで世界モデルを学ぶ。 すべての実用システムは、反崩壊機構を追加します。 我々は、反崩壊圧は移行データ自体から得ることができると主張している。
  論文  参考訳（メタデータ） (2026-08-18T09:03:35Z)
• Overcoming Statistical Bias in Action-Controllable World Models [18.890337378174678]
  アクション条件付き世界モデルは、エージェントのアクションの下で視覚環境がどのように進化するかを予測することを目的としている。 将来のフレームは、しばしば視覚的慣性や反復的な動きパターンから非常に予測可能である。 アクション制御性を高めるために,CoCoという対実整合性フレームワークを紹介した。
  論文  参考訳（メタデータ） (2026-08-05T10:10:36Z)
• Causally Debiased Latent Action Model for Embodied Action Conditioned World Models [47.281442841934876]
  行動条件付き世界モデル(ACWMs)は、身体的行動に基づく将来の観測をシミュレートすることを目的としている。 既存のLAMは、通常、再構築のみの目的で訓練される。 LAMベースのACWMのための因果脱バイアスフレームワークCD-LAMを提案する。
  論文  参考訳（メタデータ） (2026-07-10T08:20:27Z)
• Self-Evolving World Models for LLM Agent Planning [72.99782619992361]
  我々はWorldEvolverを紹介した。WorldEvolverは、ダウンストリームエージェントとすべてのモデルパラメータを凍結したまま、デプロイメント時間コンテキストを更新する自己進化型ワールドモデルフレームワークである。 WorldEvolverは3つのバックボーンで最高の予測精度を達成し、下流エージェントの成功率で他のワールドモデルベースラインを導く。
  論文  参考訳（メタデータ） (2026-06-29T17:58:43Z)
• 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)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Model Inversion Attacks Through Target-Specific Conditional Diffusion Models [54.69008212790426]
  モデル反転攻撃(MIA)は、ターゲット分類器のトレーニングセットからプライベートイメージを再構築することを目的としており、それによってAIアプリケーションにおけるプライバシー上の懸念が高まる。 従来のGANベースのMIAは、GANの固有の欠陥と潜伏空間における最適化の偏りにより、劣った遺伝子的忠実度に悩まされる傾向にある。 これらの問題を緩和するために拡散モデル反転(Diff-MI)攻撃を提案する。
  論文  参考訳（メタデータ） (2024-07-16T06:38:49Z)
• Mismatched No More: Joint Model-Policy Optimization for Model-Based RL [172.37829823752364]
  本稿では,モデルとポリシーを共同でトレーニングする単一目的について提案する。 我々の目標は、期待されるリターンのグローバルな低い境界であり、この境界は特定の仮定の下で厳密になる。 結果のアルゴリズム(MnM)は概念的にはGANと似ている。
  論文  参考訳（メタデータ） (2021-10-06T13:43:27Z)

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。