論文の概要: Bilinear World Models: Learning Representations with Structured Dynamics for Efficient Control

• arxiv url: http://arxiv.org/abs/2609.36305v1
• Date: Mon, 28 Sep 2026 21:39:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.03314
• Title: Bilinear World Models: Learning Representations with Structured Dynamics for Efficient Control
• Title（参考訳）: 双線形世界モデル:効率的な制御のための構造的ダイナミクスを用いた学習表現
• Abstract要約: 本稿では、任意の潜在力学を学習するのではなく、双線形パラメータ化に従うように制限するJEPAスタイルの世界モデルを提案する。 この構造は、モデリング負荷をエンコーダにシフトさせながら、効率的な計画と制御を可能にする。 我々は,JEPAスタイルの世界モデルを短期のオフライン計画を超えて移動させることで,両方の手法が成功することを示す。
• 参考スコア（独自算出の注目度）: 76.54916200245688
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models jointly learn latent representations and dynamics that predict how high-dimensional observations evolve under actions. In this work, we propose a JEPA-style world model in which, rather than learning arbitrary latent dynamics, we restrict them to follow a bilinear parameterization. This structure enables efficient planning and control while shifting the modeling burden onto the encoder, encouraging richer representations that expose the controllable geometry of the system. In particular, this structured parameterization allows us to structurally enforce action recoverability, thereby preventing representation collapse by construction. Although prescribing a bilinear parametrization may appear restrictive, we show that a broad class of nonlinear dynamical systems admits a transformation under which the dynamics become bilinear. Empirically, we show across standard 2D and 3D control tasks that representations with bilinear-parameterized dynamics can be learned directly from high-dimensional observations, reducing planning time by nearly three orders of magnitude while retaining or even improving control accuracy. We also propose more demanding regimes of longer-horizon planning and real-time control, and demonstrate that our method succeeds in both, moving JEPA-style world models beyond short-horizon offline planning.
• Abstract（参考訳）: 世界モデルは、アクションの下で高次元の観測がどのように進化するかを予測する潜在表現とダイナミクスを共同で学習する。 本研究では,任意の潜在力学を学習するのではなく,双線形パラメータ化に従うように制限するJEPAスタイルの世界モデルを提案する。 この構造は、モデリングの負担をエンコーダにシフトしながら効率的な計画と制御を可能にし、システムの制御可能な幾何を公開するリッチな表現を奨励する。 特に, この構造的パラメータ化により, 動作の回復性を構造的に強制することができ, 構成による表現の崩壊を防止することができる。 双線型パラメトリゼーションを規定することは制限的であるように見えるが、幅広い非線形力学系のクラスは、力学が双線型になる変換を持つことを示す。 実験では,2次元および3次元の標準的な制御タスクにおいて,2次元のパラメータ化力学を用いた表現を直接的に学習し,制御精度を維持したり改善したりしながら,ほぼ3桁の計画時間を削減できることを示す。 また、より要求の高い長期計画とリアルタイム制御の体制を提案し、JEPAスタイルの世界モデルを短期オフライン計画を超えて移動させることで、我々の手法が両方に成功することを実証する。

関連論文リスト

• Data-Driven Modeling and Control for Tethered Space Systems with Koopman-Informed Graphs [11.466242345994756]
  テザリング宇宙系は、その高次元、強結合、非線形ダイナミクスのために重要な制御課題を呈する。 グラフニューラルネットワークの局所的トポロジ的先駆体とクープマン作用素の大域的線形進化を統合することにより,構造力学を学習するためのクープマングラフダイナミクス(KGD)フレームワークを提案する。 この表現に基づいて、テザリング宇宙システムのためのKGDに基づくモデル予測制御戦略を開発する。
  論文  参考訳（メタデータ） (2026-06-29T06:08:54Z)
• 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)
• D-Prism: Differentiable Primitives for Structured Dynamic Modeling [46.22518390136366]
  D-Prismは、微分可能なプリミティブを動的ドメインに拡張することで、高忠実な構造化された動的モデリングを実現する最初のフレームワークである。 プリミティブな動きを制御するための変形ネットワークを導入し、物体の動きを正確に一致させる。 実験により,本手法は構造的動的モデリングに優れ,構造的幾何と高精度な運動追跡の両方を提供することを確認した。
  論文  参考訳（メタデータ） (2026-04-18T17:39:47Z)
• Telecom World Models: Unifying Digital Twins, Foundation Models, and Predictive Planning for 6G [60.29349053952935]
  本稿では,テレコムシステムダイナミクスの学習,行動条件,不確実性を考慮したモデリングのためのアーキテクチャであるTWM(Telecom World Model)の概念を紹介する。 本研究では,空間環境予測のためのフィールドワールドモデル,動作条件付きキーパフォーマンス指標(KPI)軌道予測のための制御/力学ワールドモデル,意図翻訳とオーケストレーションのための通信基盤モデルレイヤからなる3層アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-04-08T09:41:58Z)
• Reduced-order Control and Geometric Structure of Learned Lagrangian Latent Dynamics [16.958692029614994]
  本稿では,高次元ラグランジアンシステムのための学習構造保存型低次ダイナミクスに基づく潜在制御フレームワークを提案する。 モデリングエラーの原因を定量化することにより、安定性と収束性の解釈可能な条件を導出する。 提案した制御器と解析を,学習された動作パターンを導入して不活性化系に拡張する。
  論文  参考訳（メタデータ） (2026-02-09T18:00:04Z)
• Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making [48.998030470623384]
  オフラインの意思決定は、さらなるインタラクションを伴わずに、固定データセットからの信頼性の高い振る舞いを必要とする。 i)タスク整列軌道を多様に生成するプランナー,(ii)システム力学との整合性を強制するダイナミクスモデル,(iii)タスク目標に整合した動作を選択するランサーモジュールからなる構成モデルに基づく拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-09T06:26:02Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• Geometry-aware Active Learning of Spatiotemporal Dynamic Systems [4.251030047034566]
  本稿では,動的システムのモデリングのための幾何対応能動学習フレームワークを提案する。 データ収集のための空間的位置を戦略的に識別し、予測精度をさらに最大化する適応型能動学習戦略を開発した。
  論文  参考訳（メタデータ） (2025-04-26T19:56:38Z)
• Hierarchical Decomposition of Nonlinear Dynamics and Control for System Identification and Policy Distillation [39.83837705993256]
  強化学習(RL)の最近のトレンドは、力学と政策の複雑な表現に焦点を当てている。 制御コミュニティからインスピレーションを得て、複雑なダイナミクスをより単純なコンポーネントに分解するために、ハイブリッドスイッチングシステムの原則を適用します。
  論文  参考訳（メタデータ） (2020-05-04T12:40:59Z)

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。