論文の概要: DashVMC: Real-Time Discrete World Model Control in Geometry Dash

• arxiv url: http://arxiv.org/abs/2609.40003v1
• Date: Wed, 30 Sep 2026 15:48:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.990208
• Title: DashVMC: Real-Time Discrete World Model Control in Geometry Dash
• Title（参考訳）: DashVMC: ジオメトリダッシュボードにおけるリアルタイム離散世界モデル制御
• Abstract要約: そこで,DashVMCを提案する。DashVMCは,記録された2時間のゲームプレイから,コンパクトなアクション条件付き世界モデルを学ぶ。 学習したダイナミクスが動作可能であるかどうかをテストするために、コントローラはクローン(BC)によって動作し、凍結モデルロールアウトで完全にPPO(Proximal Policy Optimization)によって洗練される。
• 参考スコア（独自算出の注目度）: 2.6068891840779957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World-model agents are usually evaluated in simulators that can wait for the policy; live games impose the opposite constraint, requiring capture, prediction, and action before the next frame. We present DashVMC, which learns a compact, action-conditioned world model from approximately two hours of recorded Geometry Dash gameplay. To test whether the learned dynamics are actionable, a controller is initialized by behavioural cloning (BC) and refined with Proximal Policy Optimization (PPO) entirely in frozen-model rollouts, without further interaction with the live game. Across three controller seeds, the refined policies survive longer than their BC initializations on all three official levels and a held-out community layout. At deployment, the baseline skips visual generation and sustains a 60-Hz capture-to-action loop on a consumer GPU. Action-conditioned continuations and rollout diagnostics show that the model remains useful for control despite imperfect long-horizon fidelity.
• Abstract（参考訳）: ワールドモデルエージェントは通常、ポリシーを待つことのできるシミュレータで評価され、ライブゲームは、次のフレームの前にキャプチャ、予測、アクションを必要とする反対の制約を課す。 我々は,Geometry Dashゲームプレイの約2時間から,コンパクトなアクション条件付き世界モデルを学ぶDashVMCを提案する。 学習されたダイナミクスが動作可能かどうかをテストするため、コントローラは行動クローン(BC)によって初期化され、凍結モデルロールアウトで完全に改善され、ライブゲームとのさらなるインタラクションが不要となる。 3つのコントローラシード全体で、改良されたポリシーは、BCの初期化よりも長く3つの公式レベルとコミュニティレイアウトが維持されている。 デプロイ時にベースラインはビジュアル生成をスキップし、コンシューマGPU上で60Hzのキャプチャ・トゥ・アクションループを保持する。 動作条件付き継続とロールアウト診断は、不完全な長距離忠実性にもかかわらず、モデルが制御に有用であることを示している。

関連論文リスト

• GameWAM: A World Action Model for Video Games [36.43342575951464]
  我々は,ネイティブなクローズドループゲームプレイとGUI制御のための WAM について,我々の知る限り,GameWAM を紹介した。 協調した世界行動学習を支援するために,ゲームプレイとGUIトラジェクトリを構築した。 実験では、比較されたエージェントよりも実行されたネイティブアクションが少なく、競争力のあるタスク成功を示す。
  論文  参考訳（メタデータ） (2026-08-25T17:21:15Z)
• Marionette: Predicting World States, Rendering Geometry, Painting Appearance [30.170848813370444]
  われわれはこのアイデアを,対話型ゲームと明瞭なキャラクタを持つ世界モデルであるMarionetteとしてインスタント化する。 二段階自己回帰力学モデルは、明示的で解釈可能な276次元の3次元世界状態を予測する。 制御条件付きビデオ拡散観測モデルは、結果として得られる制御からフォトリアリスティックなRGB観測を合成する。
  論文  参考訳（メタデータ） (2026-08-14T17:48:16Z)
• Point as Skeleton: Accumulated Point Cloud Enhanced Autoregressive Generation for Closed-Loop Autonomous Driving Simulation [58.86413499077093]
  状態更新型自己回帰駆動ビデオ生成のための生成センサシミュレーションフレームワークであるSkeleton を textbfemphPoint として提案する。 閉ループロールアウトをサポートするために,リセット・アンド・ロール(Reset-and-Roll)を導入し,ローリング拡散推論をシミュレーションに適用する。 nuScenes と nuPlan の実験では、textitPoint as Skeleton がクローズドループロールアウト時の自動回帰生成品質を向上させることが示されている。
  論文  参考訳（メタデータ） (2026-07-07T17:20:51Z)
• Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
  RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。 RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。 最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
  論文  参考訳（メタデータ） (2026-06-17T17:59:34Z)
• SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation [73.2142090645987]
  SC3-Evalは、事前訓練されたビデオ基盤モデルを正確なポリシー評価器に適合させる自己一貫性のあるビデオ生成レシピである。 SC3-Evalロールアウトは、実世界のロールアウトでポリシーが示す障害モードを再現し、詳細な診断比較をサポートする。
  論文  参考訳（メタデータ） (2026-06-17T02:15:46Z)
• MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving [62.43744546817599]
  視覚言語-アクション(VLA)モデルは、エンドツーエンドのモーションプランナーとして有効であるが、クローズドループ設定で評価すると不安定である。 本稿では, VLAモデルの潜在空間における動的駆動シナリオの, リアクティブでマルチエージェントなロールアウトのための新しいフレームワークMAPLEを提案する。 MAPLEはBench2Driveで最先端の駆動性能を実現し、堅牢なE2E自動運転システムのためのスケーラブルでクローズループなマルチエージェントプレイを実演する。
  論文  参考訳（メタデータ） (2026-05-13T23:35:14Z)
• Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
  我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。 既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。 我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T06:35:18Z)

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。