論文の概要: ATLAS: Aligned Transport of Latent Structure for Reliable World Model Planning
- arxiv url: http://arxiv.org/abs/2609.36333v2
- Date: Wed, 30 Sep 2026 17:44:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.134473
- Title: ATLAS: Aligned Transport of Latent Structure for Reliable World Model Planning
- Title（参考訳）: ATLAS: 信頼性のある世界モデル計画のための潜在構造物の配向輸送
- Abstract要約: 潜在限界のみを正規化することは、行動選択に使用される状態と状態の関係を決定できないことを示す。
我々は、関係幾何学を明示的に保存する訓練目的であるLAS Transport of Latent Structure (ATLAS)を紹介する。
ATLASは、PushT、TwoRoomエンコーダ、OGBench-Cubeの低次評価サブセットおよび高次評価サブセットにおける平均目標達成の成功を改善している。
- 参考スコア（独自算出の注目度）: 11.258874298221558
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Latent world models rely on representation geometry for planning, yet regularizing the latent marginal alone does not determine the state-to-state relationships used for action selection. We show that this can cause planning-relevant novelty structure to be weakened as representations are transformed into the final latent used by the planner. We introduce Aligned Transport of Latent Structure (ATLAS), a training objective that explicitly preserves relational geometry while calibrating the global latent distribution. ATLAS transfers normalized pairwise structure from an informative encoder representation to the planning latent and uses Wasserstein embedding matching (WEMReg) to calibrate its marginal through one-dimensional Wasserstein-2 transport. Our analysis shows that relational preservation and marginal calibration impose non-redundant constraints, and connects finite-candidate planning stability to relational distortion, latent-scale mismatch, and prediction error. Instantiated in LeWM, ATLAS improves mean goal-reaching success across PushT, TwoRoom, and OGBench-Cube on both lower- and higher-novelty evaluation subsets, with the largest gain on higher-novelty TwoRoom episodes. Representation and rollout diagnostics further show stronger novelty-related structure in the planning latent, improved marginal calibration, and lower multi-step prediction error. Together, these results highlight preservation of planning-relevant latent geometry as an important ingredient for reliable world-model planning. Code is available at https://anonymous.4open.science/r/atlas-world-model-72C4/.
- Abstract（参考訳）: 潜在世界モデルは計画のための表現幾何学に頼っているが、潜在境界のみを正規化することは、行動選択に使用される状態と状態の関係を決定しない。
このことは,表現が計画者が使用する最後の潜在能力に変換されるにつれて,計画関連ノベルティ構造が弱まる可能性があることを示す。
我々は,グローバルな潜伏分布を校正しながら,関係幾何学を明示的に保存する訓練目的であるアラインドトランスポート・オブ・ラテント構造(ATLAS)を紹介した。
ATLASは、正規化された双対構造を情報エンコーダ表現から計画ラテントに転送し、ワッサースタイン埋め込みマッチング(WEMReg)を用いて1次元ワッサースタイン2輸送をキャリブレーションする。
解析の結果,リレーショナル・リレーショナル・リレーショナル・キャリブレーションは非冗長な制約を課し,有限候補計画安定性をリレーショナル・歪み,潜時スケール・ミスマッチ,予測誤差に結びつけることがわかった。
LeWMで実証されたATLASは、低評価サブセットと高評価サブセットの両方でPushT、TwoRoom、OGBench-Cubeで平均目標達成率を向上させる。
表現とロールアウト診断は、計画潜伏者においてより強い新規性関連構造を示し、限界校正を改善し、より低い多段階予測誤差を示した。
これらの結果は、信頼性のある世界モデル計画の重要要素として、計画関連潜在幾何学の保存を強調した。
コードはhttps://anonymous.4open.science/r/atlas-world-model-72C4/で公開されている。
関連論文リスト
- Control-Geometry Straightening for Sampling-Based Latent Planning [1.3218606066831913]
本稿では,制御幾何学を直接直列化することにより,プランナーに優しい表現を学習する単一補助的損失である制御-幾何直線化(CGS)を導入する。
CGSは、ピクセル-アクション対からの局所的な遷移のみを用いて、対応する潜在差のうちのアクション間のペアワイズコサインの類似性を一致させる。
4つのコントロール環境と複数のプランナーにまたがって、CGSはより少ないサンプル候補と改善ステップで計画を改善する。
論文 参考訳（メタデータ） (2026-09-28T16:51:33Z) - 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) - SCALE: State-Calibrated Latent Embeddings for JEPA Planning in the Right Geometry [14.742804674497128]
非崩壊表現を得るための2つの戦略は、事前訓練された特徴空間を継承し、非崩壊正則化を用いて埋め込み終端を学習することである。
課題関連情報が存在するかどうかだけでなく,計画者が消費する幾何を形作るかどうかにも依存することを示す。
論文 参考訳（メタデータ） (2026-08-17T08:58:55Z) - PRISM: Privileged Probabilistic Latent Supervision for End-to-End Autonomous Driving Motion Planning [18.741741219314836]
エンドツーエンドの自動運転システムは、認識、予測、計画を単一の異なるアーキテクチャに統合する。
近年の研究では、視覚言語モデル(VLM)の監視機能を統合してこの問題に対処している。
本手法は, 従来想定されていたVLM推論能力ではなく, トレーニング中のE2E ADモデルとGT(グラウンド・トゥルース)データとの潜伏接続から得られることを示す。
論文 参考訳（メタデータ） (2026-08-02T12:33:52Z) - When Does LeJEPA Learn a World Model? [48.74247491501631]
世界の真の自由度を揺るがす表現は、信頼できる計画や構成的一般化を支持できない。
我々は,LJEPAが非線形観測から世界の潜伏変数を線形に復元することを証明した。
本研究では,2次元の例から1024次元の潜伏物体まで,分布の短縮や画素ベースのロボット制御を含む実験により,この理論を検証した。
論文 参考訳（メタデータ） (2026-05-25T22:56:26Z) - Drift-Resistant Navigation World Model with Anchored Epipolar Guidance [81.52175010905665]
本稿では,従来のロールアウト型ナビゲーションワールドモデルにおいて,知覚的ドリフトと幾何学的ドリフトの両方を緩和する生成モデルであるDrift-Resistant Navigation World Modelを提案する。
まず、安定な長距離ターゲットとして機能するスパース未来のアンカーを予測し、その後、過去のコンテキストと将来のアンカーの両方で条件付けられた各チャンク内で中間フレームを生成する。
4つのベンチマークの実験では、長期の視覚的品質、幾何的一貫性、多視点コヒーレンスにおいて、強いベースラインよりも一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-05-23T22:47:33Z) - Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。
モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:01:04Z) - Latent Geometry Beyond Search: Amortizing Planning in World Models [17.571800971505787]
学習した表現は、単に予測を有効にするのではなく、制御を単純化できることを示す。
反復計画を手軽なゴール条件逆ダイナミクスモデル(GC-IDM)に置き換える
コントローラは環境プロトコール設定8つのうち7つでCEMと一致または超過し、判定あたりのコストを100-130倍に削減する。
論文 参考訳（メタデータ） (2026-05-09T06:36:23Z) - StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。
我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。
スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
論文 参考訳（メタデータ） (2026-03-02T11:35:05Z) - DR-Label: Improving GNN Models for Catalysis Systems by Label
Deconstruction and Reconstruction [72.20024514713633]
本稿では,新しいグラフニューラルネットワーク(GNN)と予測戦略DR-Labelを提案する。
この戦略は、監視信号を強化し、エッジ表現における解の多重度を低減し、ノード予測を堅牢にすることを促す。
DR-Labelは3つの根本的に異なるモデルに適用され、それぞれが一貫した性能向上を示した。
論文 参考訳（メタデータ） (2023-03-06T04:01:28Z)
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。