論文の概要: Forecasting from Counterfactual Simulator Rollouts: A Sim2Real Evaluation

• arxiv url: http://arxiv.org/abs/2610.03662v1
• Date: Fri, 02 Oct 2026 17:37:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.531673
• Title: Forecasting from Counterfactual Simulator Rollouts: A Sim2Real Evaluation
• Title（参考訳）: 擬似シミュレーションロールアウトの予測: Sim2Real 評価
• Abstract要約: シミュレーション・トゥ・リアリティ(Sim2Real)によるこのシミュレータ訓練モデルの転送は、過去のデプロイメントの実際の観測結果に対して評価することで、バックテストすることができる。 シミュレータ学習した予測器は、過去の実データに基づいてトレーニングされたのと同じアーキテクチャよりも低い点推定平均絶対パーセンテージ誤差(MAPE)を達成する。
• 参考スコア（独自算出の注目度）: 0.8442962257993124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deploying a new decision policy creates a cold-start problem for prediction models whose targets depend on the policy's actions: historical observations reflect earlier policies, while real observations under the new policy are not yet available. Simulation offers a way to address this gap by rolling out the target policy across counterfactual scenarios and using the resulting trajectories to learn how the system responds to those controls. The simulation-to-reality (Sim2Real) transfer of this simulator-trained model can then be backtested by evaluating it against real observations from past deployments. Using two real-world inventory-control deployments, we evaluate this process from three angles: simulator fidelity, zero-shot transfer to real behavior, and adaptation as real target-policy observations accumulate. The simulator-trained forecaster achieves lower point-estimate mean absolute percentage error (MAPE) than the same architecture trained on historical real data, reducing MAPE by 1.2-3.1 percentage points in Study 1 and 12.5-18.7 points in Study 2. After deployment, lightweight calibration using early real observations further reduces error by up to 2.5 percentage points. These results provide empirical evidence that simulator-generated counterfactual data can support cold-start forecasting under a new policy, and the resulting model can be further refined as real deployment data become available.
• Abstract（参考訳）: 新しい決定ポリシーの展開は、政策の行動に依存するターゲットである予測モデルに対するコールドスタート問題を生み出します。 シミュレーションは、カウンターファクトシナリオを対象とするポリシをロールアウトし、結果のトラジェクトリを使用して、システムがそれらのコントロールにどのように反応するかを学ぶことによって、このギャップに対処する方法を提供する。 このシミュレータ訓練されたモデルのシミュレーション・トゥ・リアル(Sim2Real)転送は、過去のデプロイの実際の観測から評価することで、バックテストすることができる。 2つの現実世界の在庫管理配置を用いて, この過程をシミュレーション忠実度, 実行動へのゼロショット転送, 実際の目標・政治観測への適応の3つの角度から評価した。 シミュレータ学習した予測器は、過去の実データに基づいてトレーニングされたのと同じアーキテクチャよりも低い点推定平均絶対誤差(MAPE)を達成し、研究1では1.2～3.1ポイント、研究2では12.5～18.7ポイントのMAPEを減少させる。 配備後、初期の実測値を用いた軽量キャリブレーションにより、エラーを最大2.5ポイント削減する。 これらの結果は,シミュレータ生成した反事実データが新たなポリシーの下で冷間開始予測をサポートできることを実証的に証明し,実際の展開データが利用可能になると,結果のモデルをさらに洗練することができる。

関連論文リスト

• Counterfactual Predictions in Scientific Emulators Without Controlled Experiments [79.60287973965639]
  ReRouteは、科学的な「何」予測をターゲットとするフレームワークである。 本研究では,ReRouteが制御された対流拡散システムにおいて,高精度な対物予測を実現することを示す。 密集した気候・気候の介入について、ReRouteはCO$の厳しい分配シフトの下で、総合的な気候誤差を18.2-31.8%削減する。
  論文  参考訳（メタデータ） (2026-09-30T19:16:07Z)
• EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation [54.5481724465918]
  EmbodiRSIは、リアルからシミュレート・トゥ・リアル・セッティングにおける反復的な政策改善のためのシステムである。 タスク固有のシミュレーションは、ターゲットのデプロイメントシナリオから構築され、低コストな環境として使用される。 400の適応的なシミュレートされた軌道と、サブタスクごとに10の現実世界の軌道しか持たないため、EmbodiRSIは83.1%のシーンバランスの自律的実世界の成功を達成している。
  論文  参考訳（メタデータ） (2026-09-30T03:54:53Z)
• SCAPE: Scenario-Conditioned Simulation-Augmented Policy Evaluation [18.546902084606632]
  SCAPEはシナリオ条件付きシミュレーション拡張ポリシー評価フレームワークである。 制限付きsim-and-realサンプルと大規模シミュレーションロールアウトを用いて,シナリオ条件付き実世界のポリシー性能を予測する。 自動走行と4倍速追尾におけるSCAPEの有効性を検証した。
  論文  参考訳（メタデータ） (2026-08-19T20:24:29Z)
• "If It Looks Like a User": Measuring Real-Time Moderation Effects via Social Media Simulation [0.9134661726886931]
  ソーシャルネットワーク上での情報拡散のエージェントベースモデルであるSimSoMの校正拡張を開発する。 キャリブレーションモデルでは,実験データの重要な統計的シグネチャを再現する。 本研究では,実証データとシミュレーションデータの両方に対して,確立された誤情報・スプレッダ検出・防止手法を適用した。
  論文  参考訳（メタデータ） (2026-08-17T13:58:51Z)
• Predicting LLM Safety Before Release by Simulating Deployment [5.628199352593384]
  デプロイ前の安全性評価は、新しいAIモデルをリリースする下流のリスクを通知することを目的としている。 ほとんどの評価は、デプロイにおいて望ましくないモデル動作がどれだけ頻繁に発生するかという限定的な証拠を提供する。 我々は、公開チャットデータセットからデプロイメントシミュレーションをシードし、生産ミス行動率について情報を提供し続けることを示す。
  論文  参考訳（メタデータ） (2026-07-08T09:17:47Z)
• Theoretical Foundations and Effective Algorithms for Policy-Aware Simulator Learning [65.62918039166772]
  本稿では,モデルプレイヤと逆ポリシープレイヤのゼロサムミニマックスゲームを提案する。 提案手法は,戦略的に重要な領域における予測誤差を1.5$-$2.2times$に減らし,シミュレーションで純粋に訓練されたポリシーを最適に近い実世界の性能に適合させることができることを示す。
  論文  参考訳（メタデータ） (2026-05-27T19:31:37Z)
• NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
  我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。 我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。 NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
  論文  参考訳（メタデータ） (2024-06-21T17:59:02Z)
• Marginalized Importance Sampling for Off-Environment Policy Evaluation [13.824507564510503]
  強化学習法(Reinforcement Learning, RL)は、通常、サンプル非効率であり、実世界のロボットでRLポリティエの訓練と展開が困難である。 本稿では,エージェントポリシーを実環境にデプロイする前に,エージェントポリシーの現実的性能を評価するための新しいアプローチを提案する。 提案手法では,実世界のオフラインデータとともにシミュレータを組み込んで,任意のポリシーの性能評価を行う。
  論文  参考訳（メタデータ） (2023-09-04T20:52:04Z)

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。