論文の概要: Stable and Counterfactually Robust Physical World Models from Imposed Structure and Learned Physics

• arxiv url: http://arxiv.org/abs/2610.00280v1
• Date: Thu, 24 Sep 2026 19:56:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.591095
• Title: Stable and Counterfactually Robust Physical World Models from Imposed Structure and Learned Physics
• Title（参考訳）: 既設構造と学習物理からの安定かつ非実効的物理世界モデル
• Abstract要約: 世界モデルは、物理システムが記録からどのように進化するかを予測することを学ぶが、それが模倣するシステムは、完全に供給されず、確実に尊重されない物理法則に従う。 我々は、世界モデルにどれだけ一般的な物理構造がハードコードされなければならないか、そしてどのくらいのシステム固有の物理がデータから学べるのかを尋ねる。
• 参考スコア（独自算出の注目度）: 42.21989596721942
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A world model learns to forecast how a physical system evolves from recorded trajectories, yet the systems it imitates obey physical laws that are neither fully supplied nor reliably respected. The model may create energy, drift or diverge over long rollouts, and answer a changed law query using the law observed during training. We ask how much general physical structure must be hard coded into a world model, and how much system-specific physics can then be learned from data, for four properties to hold simultaneously: second law compatible dissipation, correct responses to interventions on physical parameters, stability out to one hundred times the training horizon, and robustness to disturbances. The imposed structure is general: dynamics are generated from the gradient of a learned energy through a fixed reversible operator, the energy is restricted to a confining class, a one way port can remove energy but never inject it, the drive channel is known, and the intervened parameter enters through a separable map. The model learns the energy functional, constitutive relations, dissipation rate, and couplings. Across an electromagnetic cavity, a particle in cell grid, and a shallow-water fluid, models with roughly nine thousand parameters recover constitutive functions with unit slope, separate conserving from dissipating worlds by four orders of magnitude using a single set of weights, and transfer changes in sign, magnitude, rate, and gravity to unseen values, where equal-capacity models without the same structure perform at chance or worse. A nonlinear constitutive law is recovered with its curvature preserved and predicts a held-out intervention $2$-$17\times$ better than a converged linear model.
• Abstract（参考訳）: 世界モデルは、物理システムが記録された軌道からどのように進化するかを予測することを学ぶが、それが模倣するシステムは、完全に供給されず、確実に尊重されない物理法則に従う。 このモデルは、長いロールアウトでエネルギーを生み出したり、ドリフトしたり、あるいは分岐したりし、トレーニング中に観察された法則を使って変更された法律クエリに答えることができる。 一般の物理構造が世界モデルにどの程度ハードコードされなければならないか、そしてデータからどのくらいのシステム固有の物理を学習できるかを尋ねると、4つの特性が同時に保持される。 与えられた構造は一般的なもので、学習したエネルギーの勾配から一定の可逆作用素を通じてエネルギーが生成され、エネルギーは閉じたクラスに制限され、一方のポートはエネルギーを除去できるが、それを注入することはできず、駆動チャネルは知られ、インターベンションされたパラメータは分離可能な写像を介して入力される。 モデルはエネルギー機能、構成的関係、散逸速度、結合を学習する。 電磁キャビティ、セルグリッド内の粒子、浅い水の流体を横切ると、約9千のパラメータを持つモデルが単位勾配で構成関数を復元し、一組の重みを使って拡散する世界から4桁の重みで保存し、符号、大きさ、速度、重力の変化を目に見えない値に転送する。 非線形構成法則は曲率を保ったまま回復され、収束線形モデルよりも2ドル～17ドル高い保留介入を予測する。

関連論文リスト

• Conservation Buys Stability and Factoring Buys Counterfactuals in Physical World Models [42.21989596721942]
  学習したシミュレータは、トレーニング条件を正確に再現できるが、それらの条件が変更されると、2つの異なる方法で失敗する。 これらの2つの失敗は、異なる構造的改善を必要とすることを示す。
  論文  参考訳（メタデータ） (2026-09-17T04:16:51Z)
• GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models [66.77745044586173]
  GAUGEは、数値シミュレータと生成ビデオワールドモデルがどのように現実の物理学から再現または逸脱するかを評価するための実世界の診断ベンチマークである。 一般化された軌道誤差を用いて14のタスクファミリー上でIsaac Sim,Genesis,Newtonをベンチマークし,5つの剛体タスクに対して6つのイメージ・ツー・ビデオモデルを評価する。 この結果から, 衝撃的接触, 高速繊維運動, 体積変形に起因する最大の相違点を有する一様忠実な物理エンジンは見つからなかった。
  論文  参考訳（メタデータ） (2026-08-06T12:19:38Z)
• CaLiSym: Learning Symplectic Dynamics of Real-World Systems through Structured Canonical Lifts [5.265601895449634]
  CaLiSymは、幾何学的事前が課される場所を変更することで、シンプレクティック学習をそのようなシステムに拡張する軽量フレームワークである。 フレームワークをSympNet予測器でインスタンス化し、正確なシンプレクティック構造と近似を組み合わせたB-スプライン変種であるGRB-SympNetを導入する。 持ち上げられた力学はシンプレクティックな形式を数値的な精度に保ち、シンプレクティックな学習は保守的な力学を超えて現実世界のロボティクスへと拡張する。
  論文  参考訳（メタデータ） (2026-07-07T21:41:59Z)
• PhysiFormer: Learning to Simulate Mechanics in World Space [56.16644631495]
  物理的に表現可能な3次元物体運動のための拡散変換器であるPhysorFormerを提案する。 世界座標で表される3Dメッシュとしてオブジェクトを表す。 これは、軌道精度、剛性保存、運動量に基づく物理的一貫性において、自己回帰ベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2026-06-25T17:59:00Z)
• PhyCo: Learning Controllable Physical Priors for Generative Motion [55.59209981836171]
  本稿では,ビデオ生成に連続的,解釈可能,物理的に接地された制御を導入するフレームワークであるPhyCoを紹介する。 i) 摩擦, 再構成, 変形, 力が様々なシナリオで体系的に変化する100K以上のフォトリアリスティック・シミュレーション・ビデオの大規模データセット, (ii) 物理制御された拡散モデルの微調整, (iii) VLM誘導報酬最適化, 微調整された視覚言語モデルにより、対象とする物理クエリを用いて生成されたビデオを評価し、異なるフィードバックを提供する。
  論文  参考訳（メタデータ） (2026-04-30T17:53:03Z)
• Towards a Physics Foundation Model [2.109902626434734]
  シミュレーションデータの1.8TBをトレーニングした一般物理変換器(GPhyT)について述べる。 GPhyTは複数の物理領域にまたがる優れた性能を実現し、特殊アーキテクチャを最大29倍の性能で上回る。 単一のモデルがデータだけで一般的な物理原理を学習できることを確立することで、この研究は普遍的な物理基礎モデルへの道を開く。
  論文  参考訳（メタデータ） (2025-09-17T08:19:57Z)
• Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
  コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。 我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。 トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
  論文  参考訳（メタデータ） (2025-08-11T09:03:10Z)
• Physically-informed change-point kernels for structural dynamics [0.0]
  本稿では,ガウス過程のための新しい,物理的にインフォームドされた,変化点カーネルを開発する。 ユーザに対して高いレベルのコントロールが与えられ、現象が発生するべき条件の定義が可能になる。 また、物理現象に基づいてモデル化された雑音のバラツキも実施し、予測とともに不確実性をより顕著に捉えた。
  論文  参考訳（メタデータ） (2025-06-13T09:52:49Z)
• Physics-Integrated Variational Autoencoders for Robust and Interpretable Generative Modeling [86.9726984929758]
  我々は、不完全物理モデルの深部生成モデルへの統合に焦点を当てる。 本稿では,潜在空間の一部が物理によって基底づけられたVAEアーキテクチャを提案する。 合成および実世界のデータセットの集合に対して生成的性能改善を示す。
  論文  参考訳（メタデータ） (2021-02-25T20:28:52Z)

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。