論文の概要: What Must a World Model Distinguish for Planning?

• arxiv url: http://arxiv.org/abs/2609.33030v1
• Date: Sat, 26 Sep 2026 23:53:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 11:03:29.151571
• Title: What Must a World Model Distinguish for Planning?
• Title（参考訳）: 計画上の世界モデルの違いは何か?
• Abstract要約: 我々は、メカニズム、応答、決定の十分性の階層を通してギャップを形式化する。 世界モデルが保持しなければならないものは、クエリ、候補セット、プランナーに依存します。 そこで本研究では,クエリがどこを見るべきかを判断し,アクション条件付きモデルで何が起こるかを予測するモジュール設計を提案する。
• 参考スコア（独自算出の注目度）: 11.100553589810696
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: World models simulate the consequences of action candidates, but good planning need not preserve every physical distinction required for accurate prediction. We formalize this gap through a hierarchy of mechanism, response, and decision sufficiency. Given a candidate set, the planning query determines which physical variations matter and how precisely they must be preserved: coarse decisions can discard much of the information needed for prediction, whereas fine decisions may require nearly the same resolution. In practice, planners often adaptively search to construct candidates, and information unnecessary for final selection may still be needed to discover good candidates. What a world model must preserve therefore depends on the query, the candidate set, and the planner. We study these effects in a collision system, nonlinear dynamics, and robotic planning. These varying requirements raise a design question: where should query information enter the planning system? A model that jointly generates actions and outcomes conditioned on the query achieves lower regret than an action-conditioned world model on seen objectives, but this advantage largely disappears when generalizing to unseen objectives. Motivated by this, we propose a modular design in which the query determines where to look and an action-conditioned model predicts what will happen, allowing the same predictions to be reused across objectives.
• Abstract（参考訳）: 世界モデルは行動候補の結果をシミュレートするが、適切な計画では正確な予測に必要なすべての物理的区別を保持する必要はない。 このギャップは、メカニズム、応答、決定の十分性の階層によって形式化します。 厳密な決定は予測に必要な情報の多くを破棄するが、微妙な決定は、ほぼ同じ解決を必要とする。 実際には、計画立案者は候補を構築するために適応的に探索することが多く、最終選択に不要な情報は良い候補を見つけるために依然として必要である。 したがって、世界モデルが保持しなければならないものは、クエリ、候補セット、プランナーに依存します。 衝突系, 非線形力学, ロボット計画におけるこれらの効果について検討する。 これらの様々な要件は設計上の疑問を提起する: 情報はどこで計画システムに入るべきか? クエリで条件付きアクションと結果を共同生成するモデルは、目に見える目的に対するアクション条件付き世界モデルよりも後悔度が低いが、この利点は、目に見えない目的に一般化する際に、ほとんど失われる。 そこで本研究では,クエリがどこに見るべきかを判断し,動作条件付きモデルが何が起こるかを予測し,同じ予測を目的に対して再利用するモジュール設計を提案する。

関連論文リスト

• PlanningBench: Generating Scalable and Verifiable Planning Data for Evaluating and Training Large Language Models [52.48858778580074]
  計画は大規模言語モデル(LLM)の基本的な機能である PlanningBenchは、評価とトレーニングの両方のためのスケーラブルで多様な検証可能な計画データを生成するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-05-20T08:10:15Z)
• WorldPrediction: A Benchmark for High-level World Modeling and Long-horizon Procedural Planning [52.36434784963598]
  我々は、異なるAIモデルのワールドモデリングと手続き計画能力を評価するためのビデオベースのベンチマークであるWorldPredictionを紹介する。 現在のフロンティアモデルでは,WorldPrediction-WMでは57%,WorldPrediction-PPでは38%の精度しか達成できないが,人間は両タスクを完璧に解くことができる。
  論文  参考訳（メタデータ） (2025-06-04T18:22:40Z)
• A Planning Ontology to Represent and Exploit Planning Knowledge for Performance Efficiency [6.87593454486392]
  我々は,エージェントを世界の初期状態から望ましい目標状態へ移動させる一連の行動を見つけることを目的として,自動計画の問題を考える。 利用可能なプランナと多様なプランナドメインが多数用意されていると仮定し、適切なプランナを特定し、ドメインのパフォーマンスを向上させるために活用できる不可欠な情報を持っている。
  論文  参考訳（メタデータ） (2023-07-25T14:51:07Z)
• Dual policy as self-model for planning [71.73710074424511]
  エージェントの自己モデルとして決定をシミュレートするために使用されるモデルについて述べる。 現在の強化学習アプローチと神経科学にインスパイアされた我々は、蒸留政策ネットワークを自己モデルとして利用することの利点と限界を探求する。
  論文  参考訳（メタデータ） (2023-06-07T13:58:45Z)
• Online Tool Selection with Learned Grasp Prediction Models [15.915410623440875]
  深層学習に基づく把握予測モデルは、ロボットビンピッキングシステムの業界標準となっている。 ピックの成功を最大化するために、生産環境は、しばしばターゲットオブジェクトに基づいて、オンザフライで交換できるいくつかのエンドエフェクタツールを備えている。 システムスループットを改善するために、グリップの順序、およびそれに対応するツール変更アクションをどのように選択するかを示す。
  論文  参考訳（メタデータ） (2023-02-15T20:52:38Z)
• Position Paper: Online Modeling for Offline Planning [2.8326418377665346]
  AI計画研究の重要な部分はアクションモデルの表現である。 この分野の成熟にもかかわらず、AI計画技術は研究コミュニティの外ではめったに使われない。 これは、モデリングプロセスが計画プロセスの前に行われ、完了したと仮定されているためである、と我々は主張する。
  論文  参考訳（メタデータ） (2022-06-07T14:48:08Z)
• Forethought and Hindsight in Credit Assignment [62.05690959741223]
  我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。 本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
  論文  参考訳（メタデータ） (2020-10-26T16:00:47Z)
• Selective Dyna-style Planning Under Limited Model Capacity [26.63876180969654]
  モデルに基づく強化学習では、環境の不完全なモデルによる計画は、学習の進行に害を与える可能性がある。 本稿では,不完全モデルの使用を選択的に検討する。 エージェントは、モデルが有用な状態空間の一部を計画するが、有害なモデルの使用を控える必要がある。
  論文  参考訳（メタデータ） (2020-07-05T18:51:50Z)
• Divide-and-Conquer Monte Carlo Tree Search For Goal-Directed Planning [78.65083326918351]
  暗黙的な逐次計画の仮定に代わるものを検討する。 本稿では,最適計画の近似を行うため,Divide-and-Conquer Monte Carlo Tree Search (DC-MCTS)を提案する。 計画順序に対するこのアルゴリズム的柔軟性は,グリッドワールドにおけるナビゲーションタスクの改善に繋がることを示す。
  論文  参考訳（メタデータ） (2020-04-23T18:08:58Z)
• Multi-tier Automated Planning for Adaptive Behavior (Extended Version) [0.4129225533930965]
  本稿では,異なる仮定セットの仕様を計画するための多層フレームワークを提案する。 非決定論的計画形式への簡潔なコンパイルによる問題インスタンスの解法を示す。
  論文  参考訳（メタデータ） (2020-02-27T21:16:01Z)

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。