論文の概要: Foresight at the Event Boundary: Evaluating Physical Prediction in Video World Models

• arxiv url: http://arxiv.org/abs/2609.36531v2
• Date: Sun, 04 Oct 2026 15:21:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:43:28.414886
• Title: Foresight at the Event Boundary: Evaluating Physical Prediction in Video World Models
• Title（参考訳）: イベント境界の展望:ビデオワールドモデルにおける物理予測の評価
• Abstract要約: 本研究では,62個の実世界の自由落下記録と3種類のオブジェクトにまたがる124本のクリップに基づくイベントアンコール評価を提案する。 RunwayとVeoがリリースとその後のインパクトイベントを93%以上で生成しているのが分かります。 人間の予測は、集合体における記録された未来を好んで、もっともらしい連続の真のあいまいさを明らかにしている。
• 参考スコア（独自算出の注目度）: 2.4553535182445327
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video world models are largely regarded as predictive models of the physical world and are therefore expected to anticipate the consequences of observed events. However, evaluation has mainly focused on reference similarity, physical-law consistency, or judgment plausibility, estimating anticipation only indirectly. We address this directly: when a release or impact has just occurred but its consequence is withheld, can a world model anticipate what should happen next? We introduce an event-anchored evaluation based on 62 controlled real-world free-fall recordings and 124 clips spanning three object types, with fine-grained release and impact annotations and ground-truth trajectories. The protocol separates consequence production, temporal placement, and physical realization. Across six contemporary video generation and world models, Runway and Veo produce release and subsequent impact events at rates above 93% but often initiate them substantially late, whereas Cosmos-Predict-2.5 and MAGI-1 frequently preserve the pre-event state and produce little or no measurable consequence. Among measurable falls, plausible timing does not necessarily imply physically consistent motion. We further conduct a 15-participant, 20-condition human study in which participants describe the expected consequence from a single event-anchored frame and draw its trajectory. Human predictions favor the recorded future in aggregate while revealing genuine ambiguity among plausible continuations. Overall, physical foresight emerges as a sequence of distinct challenges: initiating a consequence, anchoring it in time, and realizing its motion.
• Abstract（参考訳）: ビデオワールドモデルは、主に物理世界の予測モデルと見なされており、観測された事象の結果を予測することが期待されている。 しかし、評価は主に、参照類似性、物理的法則の整合性、または判断の妥当性に焦点を合わせ、間接的にのみ予測を推定している。 リリースや影響が起きたばかりで、その結果が受け入れられない場合、世界モデルは次に何が起こるべきかを予測できますか? 本研究では,62個の実世界の自由落下記録と3種類のオブジェクトにまたがる124本のクリップに基づくイベントアンコール評価手法を提案する。 このプロトコルは、結果の生成、時間的配置、物理的実現を分離する。 現代の6つのビデオ世代と世界モデルの中で、ランウェイとヴェオは93%以上の速度でリリースと後続の衝撃イベントを発生させるが、しばしばかなり遅く開始するが、コスモス・予測-2.5とMAGI-1は、しばしば先行状態を維持し、測定可能な結果はほとんど、あるいは全く得られない。 測定可能なフォールのうち、可測なタイミングは必ずしも物理的に一貫した動きを暗示しない。 さらに、参加者が1つのイベントアンコールフレームから期待される結果を記述し、その軌跡を描画する、15人の参加者による20条件の人的研究を行う。 人間の予測は、集合体における記録された未来を好んで、もっともらしい連続の真のあいまいさを明らかにしている。 全体として、身体的な視線は、結果の開始、時間内にそれを固定し、その動きを実現するという、一連の異なる課題として現れる。

関連論文リスト

• OneWorld: Learning Consistent Physics Across Actions in World Models [5.398903381579081]
  アクション条件付きビデオワールドモデルは、異なるアクション下でのシーンの進化を予測することを目的としている。 OneWorldは共有メカニズムのカウンターファクト生成フレームワークである。 競合する単一ロールアウト予測品質を維持しながら,OneWorldは相互干渉の物理的整合性を向上することを示す。
  論文  参考訳（メタデータ） (2026-09-25T07:59:11Z)
• PileBelief: Persistent Physical State for Interaction-Driven World Modeling [22.888494219834413]
  PileBeliefは、部分的に観察された発掘のための相互作用駆動の永続的世界モデルである。 観測条件付き物理前兆と世界適応型変形記憶と物理応答メモリを組み合わせる。 5段階の共同予測誤差を10.8%減らし、オフライン動作選択の後悔を65.5%減らした。
  論文  参考訳（メタデータ） (2026-09-19T07:54:15Z)
• World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
  世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。 これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。 可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
  論文  参考訳（メタデータ） (2026-09-15T06:22:42Z)
• JEPA-x: Cross-Predictive Physics Grounding for Forecastable Latent Dynamics [9.006010556484968]
  自己予測モデルでは、エンコーダと予測器は共同で最適化され、潜伏遷移に適応することができる。 我々は、特権的物理軌道の潜在ダイナミクスを基盤とするクロス予測型JEPA(JEPA-x)を紹介する。
  論文  参考訳（メタデータ） (2026-08-25T04:07:07Z)
• CausalMob: Causal Human Mobility Prediction with LLMs-derived Human Intentions toward Public Events [13.839692239149889]
  公共イベントの因果効果を分析するために,因果予測モデルCausalMobを提案する。 大規模な実世界のデータに基づいて、実験結果から、CausalMobモデルが人間の移動予測に優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-03T04:29:27Z)
• Physion++: Evaluating Physical Scene Understanding that Requires Online Inference of Different Physical Properties [100.19685489335828]
  この研究は、人工システムにおける視覚的身体的予測を厳格に評価する新しいデータセットとベンチマークであるPhysylon++を提案する。 正確な予測が質量、摩擦、弾性、変形性などの特性の推定に依存するシナリオをテストする。 我々は,様々なレベルの学習と組込み知識にまたがる最先端予測モデルの性能を評価し,その性能を人間の予測と比較した。
  論文  参考訳（メタデータ） (2023-06-27T17:59:33Z)
• Investigating Pose Representations and Motion Contexts Modeling for 3D Motion Prediction [63.62263239934777]
  歴史的ポーズシーケンスから人間の動きを予測することは、機械が人間と知的な相互作用を成功させるために不可欠である。 本研究では,様々なポーズ表現に関する詳細な研究を行い,その動作予測課題に対する効果に着目した。 AHMR(Attentive Hierarchical Motion Recurrent Network)と呼ばれる新しいRNNアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-30T10:45:22Z)
• Dyadic Human Motion Prediction [119.3376964777803]
  本稿では,2つの被験者の相互作用を明示的に推論する動き予測フレームワークを提案する。 具体的には,2つの被験者の運動履歴の相互依存をモデル化する一対の注意機構を導入する。 これにより、より現実的な方法で長期の運動力学を保ち、異常かつ高速な運動を予測することができる。
  論文  参考訳（メタデータ） (2021-12-01T10:30:40Z)
• Visual Grounding of Learned Physical Models [66.04898704928517]
  人間は、物体の物理的特性を直感的に認識し、複雑な相互作用に従事している場合でも、その動きを予測する。 我々は、物理を同時に推論し、視覚と力学の先行に基づく将来の予測を行うニューラルモデルを提案する。 実験により、我々のモデルはいくつかの観測範囲内で物理的特性を推測できることが示され、モデルが目に見えないシナリオに迅速に適応し、将来正確な予測を行うことができる。
  論文  参考訳（メタデータ） (2020-04-28T17:06:38Z)

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。