論文の概要: WorldGuide: Learning Success-Failure Boundaries in Latent World Models for Vision-Language-Action Policies

• arxiv url: http://arxiv.org/abs/2609.34206v1
• Date: Mon, 28 Sep 2026 03:13:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 22:58:05.242146
• Title: WorldGuide: Learning Success-Failure Boundaries in Latent World Models for Vision-Language-Action Policies
• Title（参考訳）: WorldGuide:Vision-Language-Action Policiesの潜在世界モデルにおける成功度境界の学習
• Abstract要約: textbfWorldGuideは、潜在空間における区別を学習し、政策訓練の指導に使用するフレームワークである。 WorldGuideは、成功と失敗の軌跡に対する予測事前トレーニングと、一致した成功と失敗のペアに関する対照的な学習を組み合わせる。 実験により、WorldGuideはVLAの信頼性を大幅に向上し、アートパフォーマンスの状態を達成している。
• 参考スコア（独自算出の注目度）: 55.15896481989941
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latent world models offer a promising way to improve Vision-Language-Action policies by capturing the consequences of actions. However, models trained primarily on expert demonstrations have limited exposure to failure outcomes and may struggle to distinguish visually similar successful and failed interactions. We propose \textbf{WorldGuide}, a framework that learns these distinctions in latent space and uses them to guide policy training. WorldGuide combines predictive pretraining on successful and failed trajectories with contrastive learning on matched success--failure pairs. The learned predictor then provides a differentiable reward to guide joint optimization of the policy and visual encoder. The predictor is discarded after training, so deployment requires no additional world-model inference. Extensive experiments show that WorldGuide substantially improves VLA reliability and achieves state of the art performance on LIBERO 100 and SimplerEnv, reaching \textbf{96.8\%} and \textbf{72.0\%}, respectively. Code will be publicly available.
• Abstract（参考訳）: 潜在世界モデルは、アクションの結果を捉えてビジョン・ランゲージ・アクションポリシーを改善するための有望な方法を提供する。 しかし、主に専門家によるデモンストレーションに基づいて訓練されたモデルは、失敗の結果に限定され、視覚的に類似した成功と失敗の相互作用を区別するのに苦労する可能性がある。 本稿では、これらの区別を潜在空間で学習し、政策訓練の指導に使用するフレームワークである「textbf{WorldGuide}」を提案する。 WorldGuideは、成功と失敗の軌跡に対する予測事前トレーニングと、一致した成功と失敗のペアに関する対照的な学習を組み合わせる。 学習した予測器は、ポリシーとビジュアルエンコーダの協調最適化をガイドするために、微分可能な報酬を提供する。 予測器はトレーニング後に破棄されるため、デプロイメントには追加のワールドモデル推論を必要としない。 大規模な実験により、WorldGuide は VLA の信頼性を大幅に向上し、LIBERO 100 と SimplerEnv の最先端性能を実現し、それぞれ \textbf{96.8\%} と \textbf{72.0\%} に達した。 コードは公開されます。

関連論文リスト

• WISE: World-model-guided Imagination Scheduling for Efficient Post-training of Vision-Language-Action Models [7.861070986808876]
  訓練後のVLAポリシーは一般的に、高価で不安定な現実世界の探査で監督された微調整に依存している。 WISE (World-model-guided Imagination Scheduling for Efficient Post-Training of Vision-Language-Action Models) は、政策改善において、いつ、どのように世界モデルイマジネーションが使用されるかを調整する統合フレームワークである。
  論文  参考訳（メタデータ） (2026-09-03T11:17:57Z)
• Do Robotic World Models Really Follow Actions? Diagnosing and Aligning Action-Conditioned Generation for Policy Learning [53.77164209208635]
  本稿では,視覚的整合性と軌跡アライメントを用いて,より広い行動分布を探索するWorldEchoを紹介する。 本稿では,3つの軸に沿った行動(分布カバレッジ,表現的接地,介入効果のアライメント)を強化するWorldSyncを提案する。 RoboTwinベンチマークと実ロボットタスクの実験は、WorldSyncがWorldEchoメトリクスを改善し、反復的なポリシー改善のためのより信頼性の高いシミュレータとして機能していることを示している。
  論文  参考訳（メタデータ） (2026-08-25T17:59:49Z)
• TACO: TActile World Model as a Self-COrrector forScalable VLA Post-Training [79.94818813802682]
  TACOは触覚を意識したワールドモデル駆動型フレームワークで,コンタクトリッチな操作において,スケーラブルなVLAポストトレーニングを実現する。 TACOは、触覚矯正をVLA後トレーニングに組み込むため、知識を取り入れた触覚適応と有利な条件のトレーニングを組み合わせる。
  論文  参考訳（メタデータ） (2026-07-03T00:23:30Z)
• Grounded World Model for Semantically Generalizable Planning [94.53923128709965]
  我々は、視覚言語対応の潜在空間において、グラウンドドワールドモデル(GWM)を学習する。 提案された各アクションは、タスク命令に対する将来の結果がどの程度近いかに基づいてスコアされる。 提案したWISERベンチマークでは、GWM-MPCはテストセットで87%の成功率を達成した。
  論文  参考訳（メタデータ） (2026-04-13T17:25:41Z)
• FOSSIL: Harnessing Feedback on Suboptimal Samples for Data-Efficient Generalisation with Imitation Learning for Embodied Vision-and-Language Tasks [45.65159253753118]
  この研究は、模倣学習で訓練されたエージェントが最適と準最適の両方から堅牢な表現を学習する方法を探求する。 入力シーケンスの一部として言語フィードバックの埋め込みをTransformerベースのポリシーに組み込む。 独自のBabyAI-XGen環境における視覚・言語タスクの具体化について,本手法を検証した。
  論文  参考訳（メタデータ） (2025-10-13T11:55:21Z)
• Disentangled World Models: Learning to Transfer Semantic Knowledge from Distracting Videos for Reinforcement Learning [65.85335291827086]
  本稿では,オフラインからオンラインまでの潜水蒸留とフレキシブルなゆがみ制約を通したビデオから,セマンティックな違いを学習し,理解することを試みる。 動作自由なビデオ予測モデルを非干渉正規化によりオフラインでトレーニングし、注意をそらすビデオから意味的知識を抽出する。 オンライン環境での微調整には、事前学習されたモデルからの知識を活用し、世界モデルに絡み合った制約を導入する。
  論文  参考訳（メタデータ） (2025-03-11T13:50:22Z)
• ReCoRe: Regularized Contrastive Representation Learning of World Model [21.29132219042405]
  対照的な教師なし学習と介入不変正規化器を用いて不変特徴を学習する世界モデルを提案する。 提案手法は,現状のモデルベースおよびモデルフリーのRL法より優れ,iGibsonベンチマークで評価された分布外ナビゲーションタスクを大幅に改善する。
  論文  参考訳（メタデータ） (2023-12-14T15:53:07Z)

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。