論文の概要: EVEWorld: Physical Evolution Supervision for Embodied World Models
- arxiv url: http://arxiv.org/abs/2610.03374v1
- Date: Fri, 02 Oct 2026 14:30:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.42061
- Title: EVEWorld: Physical Evolution Supervision for Embodied World Models
- Title（参考訳）: EVEWorld: 身体的世界モデルのための物理進化シミュレーション
- Abstract要約: 身体的世界モデルは、ロボット学習のための身体的相互作用のスケーラブルなシミュレーションを可能にする。
既存のモデルは、物理的推論を犠牲にして視覚的忠実さに重点を置いているため、モデルの怠慢がちである。
EVEWorldは物理的に一貫したターゲット進化のための物理進化スーパービジョンフレームワークである。
- 参考スコア（独自算出の注目度）: 15.054820318632295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Embodied world models enable scalable simulation of embodied interactions for robot learning. However, existing models are prone to Model Laziness, as they focus on visual fidelity at the expense of physical reasoning and lack process-level supervision over the temporal dynamics of manipulated objects. In this work, we propose EVEWorld, a physical evolution-supervision framework for physically consistent target evolution. EVEWorld consists of two components: Instance-Guided Restoration (IGR) and Temporal Instance Alignment (TIA). First, IGR promotes instance consistency through restoration supervision. Second, TIA promotes cross-frame consistency by aligning target instances across adjacent frames. We further introduce the Model Laziness Rate (MLR), a metric that measures persistent violations of instance consistency in generated trajectories. Extensive experiments on DreamGenBench, EWMBench, and PBench demonstrate the effectiveness of EVEWorld, notably achieving an 87.5% reduction in MLR compared with GigaWorld-0. On the WorldArena 2.0 Track 1 leaderboard, our model ranks 6th in JEPA Similarity and 17th overall, which further validates the performance of our evolution supervision strategy.
- Abstract（参考訳）: 身体的世界モデルは、ロボット学習のための身体的相互作用のスケーラブルなシミュレーションを可能にする。
しかし、既存のモデルは、物理的推論を犠牲にし、操作対象の時間的ダイナミクスに対するプロセスレベルの監督を欠いた視覚的忠実さに重点を置いているため、モデルの怠慢がちである。
本研究では,物理的に一貫したターゲット進化のための物理進化スーパービジョンフレームワークであるEVEWorldを提案する。
EVEWorldは2つのコンポーネントで構成されている。 インスタンスガイドリカバリ(IGR)とテンポラルインスタンスアライメント(TIA)だ。
まず、IGRは復元管理を通じてインスタンスの一貫性を促進する。
第2に、TAAは、隣接するフレーム間でターゲットインスタンスをアライメントすることで、フレーム間の一貫性を促進する。
さらに、生成されたトラジェクトリにおけるインスタンス一貫性の持続的違反を測定する指標であるモデル遅延率(MLR)についても紹介する。
DreamGenBench、EWMBench、PBenchの大規模な実験は、EVEWorldの有効性を示し、特にGigaWorld-0と比較して87.5%のMLR削減を実現している。
WorldArena 2.0 Track 1のリーダーボードでは、私たちのモデルはJEPA類似度で6位、総合で17位にランクされています。
関連論文リスト
- Toward Physically Grounded JEPA World Models for Goal-Conditioned Robotic Planning [17.909802735976466]
我々は、逆ダイナミクス(IDM)と状態アライメント(SA)による潜伏予測を強化するエンド・ツー・エンドのJEPAワールドモデルを導入する。
我々のモデルはTwoRoom (100%), PushT (98%), OGBench-Cube (87%), LeWorldModel on Reacher で高い成功率を達成した。
論文 参考訳（メタデータ） (2026-09-03T09:11:13Z) - DWM: Separating World Effects from Actions in Latent World Models [34.35433044964186]
本稿では、この分解を運用する監督レベルフレームワークであるDWM(Decomposed World Model)を紹介する。
DWMは補助世界ヘッドで潜在世界モデルの予測を増強し、通常化された世界コントラストの目的によって正規化され、アクション不変である。
我々は、PushT-W、Reacher-W、TwoRoom-Wの3つの標準制御ベンチマークのW変種を構築する。
論文 参考訳（メタデータ） (2026-07-21T05:13:26Z) - ReWorld: Learning Better Representations for World Action Models [41.92917169094194]
世界行動モデル(WAM)は、行動条件下での将来の環境進化をモデル化する。
WAM向けに設計された最初の表現学習フレームワークであるReWorldを提案する。
ReWorldは、FVDの微調整ビデオ生成を23.9%改善することを示す。
論文 参考訳（メタデータ） (2026-06-25T19:37:58Z) - Qwen-AgentWorld: Language World Models for General Agents [91.26917996662104]
世界モデルは、現在の観測と行動に基づいて環境力学を予測する。
3段階のトレーニングパイプラインを通じてQwen-AgentWorldを開発した。
Qwen-AgentWorldはエージェントRLのための数千の現実世界環境のスケーラブルで制御可能なシミュレーションをサポートする。
論文 参考訳（メタデータ） (2026-06-23T13:53:55Z) - World-Ego Modeling for Long-Horizon Evolution in Hybrid Embodied Tasks [62.389116510844445]
emphWorld-Ego Modelingは、未来の世界とエゴコンポーネントへの進化を分解する新しい概念パラダイムである。
我々は、このパラダイムを、暗黙の分離したワールド・エゴ・プランナーとカスケード・パラレル・ミックス・オブ・エキスパート(CP-MoE)拡散生成器を結合した統一的な世界モデルであるワールド・エゴ・モデル(WEM)としてインスタンス化する。
論文 参考訳（メタデータ） (2026-05-19T15:10:27Z) - AttenA+: Rectifying Action Inequality in Robotic Foundation Models [38.61160855341111]
本稿では,速度駆動型アクションアテンションを通じて,運動学的に重要なセグメントを優先するアーキテクチャに依存しないフレームワークであるAttenA+を紹介する。
我々の研究は、本質的な行動列の構造的前提をマイニングすることが、標準的なスケーリング法則に非常に効率的で物理学的な補完をもたらすことを示唆している。
論文 参考訳（メタデータ） (2026-05-13T13:55:37Z) - HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。
HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。
実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
論文 参考訳（メタデータ） (2026-05-11T17:59:56Z) - World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry [82.93104394404781]
汎用世界モデルは、スケーラブルなポリシー評価、最適化、計画を約束します。
本稿では,世界モデルによる予測誤りと自己改善を識別するフレームワークであるWorld Action Verifier(WAV)を提案する。
論文 参考訳（メタデータ） (2026-04-02T12:48:36Z) - Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
本稿では, 自己補正VLA (SC-VLA) を提案する。
SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
論文 参考訳（メタデータ） (2026-02-25T06:58:06Z) - Walk through Paintings: Egocentric World Models from Internet Priors [65.30611174953958]
本稿では,エゴセントリック・ワールド・モデル(EgoWM)について述べる。
我々は、スクラッチからトレーニングするよりも、インターネット規模のビデオモデルのリッチワールドを再利用し、軽量なコンディショニング層を通じてモーターコマンドを注入する。
当社のアプローチは,3-DoF移動ロボットから25-DoFヒューマノイドまで,エボディメントやアクションスペースを自然に拡張する。
論文 参考訳（メタデータ） (2026-01-21T18:59:32Z)
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。