論文の概要: World SLAM Model: Joint World Modeling for SLAM and Navigation
- arxiv url: http://arxiv.org/abs/2609.32626v1
- Date: Sat, 26 Sep 2026 13:44:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 04:54:40.30232
- Title: World SLAM Model: Joint World Modeling for SLAM and Navigation
- Title（参考訳）: World SLAM Model: SLAMとナビゲーションのためのジョイントワールドモデリング
- Abstract要約: World SLAM Model(WSM)は、SLAMパラダイムを直接下流のナビゲーションに持ち込む統合フレームワークである。
WSMは将来の視覚状態を予測し、カメラの動きと密度幾何学を共同で推定する。
実験では、SLAMの精度が向上し、ナビゲーション性能が向上した。
- 参考スコア（独自算出の注目度）: 26.596255487383655
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce World SLAM Model (WSM), a unified framework that brings the SLAM paradigm directly into downstream navigation. Rather than treating SLAM merely as an upstream module that provides poses, maps or tokens, WSM adopts its core mechanisms, including incremental state updates with persistent memory and backend refinement of accumulated errors, to maintain a consistent world state during interaction. Given the current observation and a navigation goal, WSM predicts future visual states and jointly estimates their camera motion and dense geometry, grounding visual prediction in an evolving spatial world state. This spatial state is continuously updated as new observations arrive and provides the basis for action generation and closed-loop navigation. WSM is trained end-to-end with a joint navigation--SLAM objective, enabling downstream navigation to benefit directly from SLAM-style state maintenance and refinement while preserving accurate geometric estimation. Experiments demonstrate improved navigation performance together with strong SLAM accuracy, highlighting the potential of SLAM as an intrinsic mechanism for long-horizon world modeling and embodied interaction.
- Abstract（参考訳）: 我々は、ダウンストリームナビゲーションに直接SLAMパラダイムをもたらす統合フレームワークであるWorld SLAM Model(WSM)を紹介します。
SLAMを単にポーズ、マップ、トークンを提供するアップストリームモジュールとして扱うのではなく、WSMは、永続的なメモリによるインクリメンタルな状態更新と、蓄積されたエラーのバックエンド改善を含むコアメカニズムを採用して、インタラクション中に一貫した世界状態を維持する。
現在の観測とナビゲーションの目標を考えると、WSMは将来の視覚状態を予測し、カメラの動きと密な幾何学を共同で推定し、進化する空間世界状態における視覚的予測を基礎とする。
この空間状態は、新しい観測が到着すると継続的に更新され、アクション生成とクローズドループナビゲーションの基礎を提供する。
WSMは共同ナビゲーション-SLAM目標でエンドツーエンドにトレーニングされており、正確な幾何推定を保ちながら、ダウンストリームナビゲーションがSLAMスタイルの状態維持と改善から直接恩恵を受けることができる。
実験では、航法性能の向上とSLAMの精度の向上が示され、長距離世界モデリングとエンボディドインタラクションの本質的なメカニズムとしてのSLAMの可能性を強調した。
関連論文リスト
- GLAM: Training a latent world model over global spatiotemporal memory for active exploration and navigation [2.887370275446209]
我々は、グローバルメモリ上でトレーニングされたゴール条件付き潜在世界モデルGLAMと、その周辺に構築された完全なナビゲーションシステムGLAM NAVを紹介する。
このモデルはJEPAのような潜伏予測パラダイムに従い、RGB再構成ではなくマップレベルの潜伏トークンを直接操作し、事前訓練されたウェイポイントエンコーダデコーダを使用してGLAM NAV内のナビゲーション計画の監視と復号を行う。
論文 参考訳（メタデータ） (2026-09-13T14:47:33Z) - Predicting Consequences and Reinforcing Navigation Policies with Latent World Models [31.865100130203317]
ロボットナビゲーションのためのLWM(Latent World Model)を提案する。
我々の重要な洞察は、空間的近接は潜在的特徴の類似性と相関し、潜在的空間において行動結果を直接評価できるということである。
提案手法は,予測精度,ポリシー学習,実世界のナビゲーション性能において,前世界モデルと模倣学習法を著しく上回っている。
論文 参考訳（メタデータ） (2026-08-23T11:58:42Z) - 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) - FutureNav: Unified World-Action Modeling for Vision-and-Language Navigation [22.882723669402026]
FutureNavは、視覚・言語ナビゲーションのためのVLMベースの統合ワールドアクションモデリングフレームワークである。
本論文では,FutureNavが複数のVLNベンチマークで最先端性能を実現し,従来のVLN手法よりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2026-06-29T14:33:03Z) - 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) - World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。
彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。
成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
論文 参考訳（メタデータ） (2026-05-12T13:10:52Z) - RAE-NWM: Navigation World Model in Dense Visual Representation Space [4.210599444301697]
本稿では,高密度な視覚的表現空間におけるナビゲーションダイナミクスをモデル化するRepresentation Autoencoder-based Navigation World Model (RAE-NWM)を提案する。
連続的な遷移をモデル化するためにデカップリング拡散変圧器ヘッド(CDiT-DH)を用いた条件拡散変圧器を用い、生成中の動作注入強度を制御するために動的条件付けのための時間駆動ゲーティングモジュールを別々に導入する。
論文 参考訳（メタデータ） (2026-03-10T06:16:23Z) - Walk through Paintings: Egocentric World Models from Internet Priors [65.30611174953958]
本稿では,エゴセントリック・ワールド・モデル(EgoWM)について述べる。
我々は、スクラッチからトレーニングするよりも、インターネット規模のビデオモデルのリッチワールドを再利用し、軽量なコンディショニング層を通じてモーターコマンドを注入する。
当社のアプローチは,3-DoF移動ロボットから25-DoFヒューマノイドまで,エボディメントやアクションスペースを自然に拡張する。
論文 参考訳（メタデータ） (2026-01-21T18:59:32Z) - Unified World Models: Memory-Augmented Planning and Foresight for Visual Navigation [69.94565127141483]
現在のアプローチでは、ナビゲーション計画とビジュアルワールドモデリングが分離されており、状態-アクションのミスアライメントと適応性の制限につながっている。
一つのマルチモーダル自己回帰バックボーン内に、自我中心の視線と計画を統合する統一されたメモリ拡張世界モデルUniWMを提案する。
我々は,UniWMが航法成功率を最大30%向上し,トラジェクトリエラーを強いベースラインと比較して著しく低減し,未確認のTartanDriveデータセットに印象的なゼロショット一般化を示すことを示した。
論文 参考訳（メタデータ） (2025-10-09T18:18:11Z) - Navigation World Models [68.58459393846461]
本稿では,過去の観測とナビゲーション行動に基づいて,将来の視覚観測を予測できる制御可能な映像生成モデルを提案する。
慣れ親しんだ環境では、NWMはナビゲーションの軌道をシミュレートし、目的を達成するかどうかを評価することで計画することができる。
実験は、スクラッチからの軌道計画や、外部ポリシーからサンプリングされた軌道のランク付けにおいて、その効果を実証する。
論文 参考訳（メタデータ） (2024-12-04T18:59:45Z) - Learning World Models for Unconstrained Goal Navigation [4.549550797148707]
本研究では,世界モデル学習のための目標指向探索アルゴリズムであるMUNを紹介する。
MUNは、リプレイバッファ内の任意のサブゴール状態間の状態遷移をモデル化することができる。
その結果、MUNは世界モデルの信頼性を高め、政策の一般化能力を大幅に改善することを示した。
論文 参考訳（メタデータ） (2024-11-03T01:35:06Z)
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。