論文の概要: DeltaWorld: Physically Consistent Interactive World Simulators via Action-Conditioned Latent Increment Learning

• arxiv url: http://arxiv.org/abs/2610.02691v1
• Date: Fri, 02 Oct 2026 02:14:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.163935
• Title: DeltaWorld: Physically Consistent Interactive World Simulators via Action-Conditioned Latent Increment Learning
• Title（参考訳）: DeltaWorld:Action-Conditioned Latent Increment Learningによる物理的に一貫性のあるインタラクティブワールドシミュレータ
• Abstract要約: インタラクティブな世界シミュレータは、ロボット計画、ポリシートレーニング、行動結果の予測による評価のためのスケーラブルな環境を提供することができる。 既存の世界モデルは一般的に次の潜伏状態全体を予測し、ロボットのアクションによって引き起こされる微妙な変化を捉えるのに失敗する。 ロボット操作のための物理的に一貫した対話型世界シミュレータであるDeltaWorldを提案する。
• 参考スコア（独自算出の注目度）: 7.635121136562937
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interactive world simulators can provide scalable environments for robot planning, policy training, and evaluation by predicting action consequences while reducing reliance on repeated physical rollouts. To serve these applications, they must generate future image sequences that respond faithfully to robot actions and preserve the dynamics of robot-object interactions over long horizons. However, existing world models typically predict the entire next latent state and often fail to capture subtle changes induced by robot actions. Such omissions can produce physically implausible outcomes, including object interpenetration and excessive deformation. To address this limitation, we propose DeltaWorld, a physically consistent interactive world simulator for robotic manipulation. Our method introduces the Delta Latent Transition Model (Delta-LTM), which predicts action-induced latent feature changes and adds them to the current latent state to obtain the next state, rather than predicting the next latent state directly. To mitigate object interpenetration and excessive deformation in predicted future frames, Interaction-aware Latent Alignment is introduced to construct counterfactual interaction regions and supervise interaction-related latent changes. DeltaWorld is evaluated on the IWS manipulation benchmark and a self-collected cross-robot dataset covering multiple robot embodiments and manipulation tasks. On the cross-robot dataset, DeltaWorld reduces FVD by 46.6% and LPIPS by 31.1% relative to the IWS baseline. These results highlight the potential of DeltaWorld for long-horizon action-conditioned video prediction in robotic manipulation.
• Abstract（参考訳）: インタラクティブな世界シミュレーターは、ロボット計画、ポリシートレーニング、そして行動の結果を予測することで評価のためのスケーラブルな環境を提供すると同時に、繰り返しの物理的なロールアウトへの依存を減らすことができる。 これらの応用を実現するためには、ロボットの動作に忠実に対応し、長い地平線上でのロボットと物体の相互作用のダイナミクスを保たなければならない。 しかし、既存の世界モデルは一般的に次の潜伏状態全体を予測し、ロボットのアクションによって引き起こされる微妙な変化を捉えるのに失敗する。 このような欠落は、物体の相互侵入や過度な変形など、物理的に不確実な結果をもたらす可能性がある。 この制限に対処するため,ロボット操作のための物理的に一貫した対話型世界シミュレータDeltaWorldを提案する。 本手法では, デルタ潜時遷移モデル(Delta-LTM)を導入し, 次の潜時状態を直接予測するのではなく, 現在の潜時状態に付加して次の潜時状態を得る。 将来の予測フレームにおける物体の相互干渉と過度な変形を緩和するため、相互作用対応潜時アライメントを導入し、反現実的相互作用領域を構築し、相互作用関連潜時変化を監督する。 DeltaWorldは、IWS操作ベンチマークと、複数のロボットの実施状況と操作タスクをカバーする自己コンパイル型クロスロボットデータセットで評価されている。 クロスボットデータセットでは、DeltaWorldはFVDを46.6%、LPIPSを31.1%削減している。 これらの結果は、ロボット操作における長距離行動条件付きビデオ予測におけるDeltaWorldの可能性を強調している。

関連論文リスト

• WorldLine: Action-Driven Visual Simulation for Robotic Manipulation [87.68211863253049]
  実世界のロボット学習は、経験を収集し、候補行動を評価するコストに制約される。 異種アクショングラウンドから学習した移動可能なダイナミクスを分離する,アクション駆動型ビジュアルシミュレータ WorldLine を紹介する。 WorldLineは、1万時間以上のアクションフリーロボットビデオから操作のダイナミクスを学び、2000時間以上のアクショントラジェクトリを使ってそれらをグラウンドする。
  論文  参考訳（メタデータ） (2026-09-29T17:26:22Z)
• AffordanceWAM: Affordance-Aware Joint World-Action Modeling for Robot Manipulation [61.436480565887905]
  汎用的なロボット操作は、シーンがどのように進化するかを予測する必要がある。 アクションラベル付きロボットビデオは、直接制御を監督するが、コストが高く、多様性に制限がある。 本稿では,Scalr Affordance と Affordance Heatmap によるオブジェクトの空き時間を表す,空き時間を考慮した World Action Model を提案する。
  論文  参考訳（メタデータ） (2026-09-16T14:07:06Z)
• GeniWorld: A Generalizable Interactive World Model for Robotic Manipulation via Visual Actions [25.431221165541874]
  汎用的なロボット政策は強力な能力を示すが、複雑で見えない環境での頑丈さは依然として限られている。 我々は、見えないシナリオにまたがって堅牢に一般化するロボットのためのインタラクティブな世界モデルGeniWorldを紹介する。
  論文  参考訳（メタデータ） (2026-08-06T17:40:32Z)
• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
  ロボットのためのロバスト自動データ取得(RADAR)について紹介する。 RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。 シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-12T11:18:52Z)
• WorldGym: World Model as An Environment for Policy Evaluation [41.204900701616914]
  WorldGymは、実環境のプロキシとして機能する自動回帰、アクション条件付きビデオ生成モデルである。 ポリシーはモンテカルロの世界モデルによるロールアウトを通じて評価され、視覚言語モデルが報酬を提供する。 We show that WorldGym can maintain relative policy rankings across different policy version, sizes, and training checkpoints。
  論文  参考訳（メタデータ） (2025-05-31T15:51:56Z)

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。