論文の概要: OneWorld: Learning Consistent Physics Across Actions in World Models

• arxiv url: http://arxiv.org/abs/2609.30946v1
• Date: Fri, 25 Sep 2026 07:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.284235
• Title: OneWorld: Learning Consistent Physics Across Actions in World Models
• Title（参考訳）: OneWorld: 世界モデルにおける一貫した物理行動の学習
• Abstract要約: アクション条件付きビデオワールドモデルは、異なるアクション下でのシーンの進化を予測することを目的としている。 OneWorldは共有メカニズムのカウンターファクト生成フレームワークである。 競合する単一ロールアウト予測品質を維持しながら,OneWorldは相互干渉の物理的整合性を向上することを示す。
• 参考スコア（独自算出の注目度）: 5.398903381579081
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Action-conditioned video world models aim to predict scene evolution under different actions, a capability that is essential for reliable planning, decision-making, and interaction in dynamic environments. However, futures generated independently from the same initial scene may each appear plausible while implying incompatible physical properties, such as friction or mass. This inconsistency can lead to contradictory predictions across interventions, making it difficult for the model to maintain a coherent understanding of the underlying world and limiting its reliability for planning and decision-making. To address these issues, we propose OneWorld, a shared-mechanism counterfactual generation framework that jointly models multiple action-conditioned futures under a common latent physical mechanism. A physical mechanism interpreter first infers a distribution over latent mechanisms from each action-outcome branch. These distributions are then aggregated into shared-world evidence, which captures whether the branches admit a common physical explanation while accounting for uncertainty in less informative branches. This evidence constrains flow training and guides sampling, encouraging consistency in the underlying physical mechanism while preserving the distinct outcomes induced by different actions. We further introduce a multi-intervention evaluation protocol in controlled environments, following the interaction settings of ACWM-Phys, to assess whether generated futures can be jointly explained by the same physical parameters, alongside standard measures of single-rollout prediction quality. Experiments in these environments show that OneWorld improves cross-intervention physical consistency while maintaining competitive single-rollout prediction quality.
• Abstract（参考訳）: アクション条件付きビデオワールドモデルは、動的環境における信頼性の高い計画、意思決定、相互作用に不可欠な、異なる行動下でのシーン進化を予測することを目的としている。 しかし、同じ初期シーンから独立して生成される未来は、それぞれ、摩擦や質量のような不整合な物理的性質を示唆しながら、もっともらしいように見えるかもしれない。 この矛盾は介入間の矛盾した予測につながる可能性があり、モデルが根底にある世界に対する一貫性のある理解を維持し、計画と意思決定の信頼性を制限することは困難である。 これらの課題に対処するため,我々は,複数のアクション条件付き未来を共通的な物理的メカニズムの下で共同でモデル化する,共有メカニズムの反ファクト生成フレームワークOneWorldを提案する。 物理メカニズムインタプリタは、まず各アクションアウトカムブランチから遅延メカニズム上の分布を推論する。 これらの分布は共有世界証拠に集約され、情報の少ない枝における不確実性を考慮しながら、枝が共通の物理的説明を受け入れるかどうかをキャプチャする。 このエビデンスでは、フロートレーニングを制限し、サンプリングをガイドし、基礎となる物理的メカニズムの一貫性を促進しながら、異なるアクションによって引き起こされる異なる結果を保存する。 さらに,ACWM-Physのインタラクション設定に従って,制御環境におけるマルチインターベンション評価プロトコルを導入し,単一ロールアウト予測品質の標準尺度とともに,生成した未来を同じ物理パラメータで共同で説明できるかどうかを評価する。 これらの環境での実験は、OneWorldが競合する単一ロールアウト予測品質を維持しながら、相互干渉の物理的一貫性を改善することを示している。

関連論文リスト

• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
  アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。 世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。 我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
  論文  参考訳（メタデータ） (2026-07-13T15:22:56Z)
• Reduced-Order Models: The Mother of World Models [0.12062777974093623]
  世界モデルは、行動条件付き予測と計画をサポートする環境の潜在表現を圧縮する。 本稿では,世界モデルの機能解剖が数十年前に独立に開発され,展開され,分析されたことを論じる。 我々は、失敗できないシステムに世界モデルをデプロイする際の際立った障害は、予測の忠実さではなく、検証可能性であると主張している。
  論文  参考訳（メタデータ） (2026-07-03T11:05:06Z)
• Trimming the Long-Tail of Visual World Modeling Evaluation [67.17191772079316]
  本論文では,不規則な物理的相互作用をシミュレートするために世界モデルに挑戦するベンチマークであるTailor-Benchを紹介する。 通常のシナリオは共通のツールとタスクのペアを反映し、従来型のツールを属性互換の代替品に置き換え、Impossibleシナリオは属性違反ツールを導入している。 実験結果から,物理世界モデリングの長期的ギャップは明らかであり,共通相互作用を超越した一般化の限界が示唆された。
  論文  参考訳（メタデータ） (2026-06-23T07:43:41Z)
• HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
  世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。 HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。 実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
  論文  参考訳（メタデータ） (2026-05-11T17:59:56Z)
• ESIA: An Energy-Based Spatiotemporal Interaction-Aware Framework for Pedestrian Intention Prediction [24.45524909253344]
  自動運転の最近の進歩は、歩行者の意図予測の研究を動機付けている。 既存の研究は、単純化されたマルチエージェント相互作用パターン、不透明な推論論理、グローバルな行動予測の欠如によって制約されている。 本研究では,歩行者と環境をノードとして扱うための条件ランダムフィールド(CRF)に基づくパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-04-26T14:13:58Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• Causal Discovery in Physical Systems from Videos [123.79211190669821]
  因果発見は人間の認知の中心にある。 本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
  論文  参考訳（メタデータ） (2020-07-01T17:29:57Z)

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。