論文の概要: How Long, Not How Close: A Learned Temporal Metric for Planning in Latent World Models

• arxiv url: http://arxiv.org/abs/2610.04988v1
• Date: Sun, 04 Oct 2026 06:15:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.427773
• Title: How Long, Not How Close: A Learned Temporal Metric for Planning in Latent World Models
• Title（参考訳）: いかに近づかなかったか:後期世界モデルにおける計画のための学習された時間基準
• Abstract要約: TEMPOは、世界モデルに手を加えない、時間的距離計画の目標です。 エピソードの2つの状態間の距離は、それらの間の環境ステップの数を反映し、この距離をプランナーのコストにブレンドする冷凍潜水器の小さなマップを学習する。 報酬、ポリシー、成功ラベルは必要とせず、モデルよりもコストがかかるので、1状態当たり1つの潜伏ベクトルを持つ冷凍世界モデルに適用できる。
• 参考スコア（独自算出の注目度）: 23.18450291649438
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Latent world models plan by rolling a frozen predictor forward under candidate action sequences and ranking the candidates by the latent distance between their imagined end state and the goal. However, this ranking breaks down when the goal lies several plans away, because the latent distance measures how closely an end state resembles the goal rather than how far it remains from reaching it. To address this, we propose TEMPO, a temporal-distance planning objective that leaves the world model untouched, learns only from the demonstrations already used to train it, and adds negligible cost to the planner's search. TEMPO learns a small map of the frozen latent in which the distance between two states of an episode reflects the number of environment steps between them, and blends this distance into the planner's cost. It requires no rewards, policies or success labels and, being a cost rather than a model, applies to frozen world models with one latent vector per state that plan by a latent distance. We evaluate TEMPO on eleven simulated environments (e.g., maze navigation, tabletop pushing, robotic arm control and three-dimensional manipulation) with the LeWM and PLDM planners. With a small MLP that adds at most 0.3% to a plan's arithmetic, TEMPO improves both planners at every goal distance, including the one-plan setting of their evaluations, raises LeWM from 36% to 99% on TwoRoom three plans from the goal, and remains competitive on a broad range of 2D and 3D navigation, reaching and manipulation tasks.
• Abstract（参考訳）: 潜在世界モデルは、凍結予測器を候補アクションシーケンスの下で前方に回転させ、想定された終末状態と目標の間の潜在距離で候補をランク付けすることで計画する。 しかし、このランキングは、ゴールがいくつかの計画から外れたときに、最終状態がゴールに近づくまでの距離よりも、ゴールにどれだけ近いかを測定するため、失敗する。 そこで我々は,世界モデルに手を加えることなく,すでにトレーニングに使用されているデモからのみ学習し,プランナーの探索に無視可能なコストを付加する,時間的距離計画の目的であるTEMPOを提案する。 TEMPOは、エピソードの2つの状態間の距離がそれらの間の環境ステップの数を反映する冷凍潜水器の小さなマップを学習し、この距離をプランナーのコストにブレンドする。 報酬、ポリシー、成功ラベルは必要とせず、モデルよりもコストがかかるので、1状態当たり1つの潜伏ベクトルを持つ冷凍世界モデルに適用できる。 シミュレーション環境(迷路ナビゲーション,テーブルトッププッシュ,ロボットアーム制御,3次元操作など)におけるTEMPOを,LeWMおよびPLDMプランナーを用いて評価した。 MLPは計画の算術に最大で0.3%追加され、TEMPOは評価の1つの計画設定を含む全ての目標距離でプランナーを改良し、目標から3つの計画でLeWMを36%から99%に引き上げ、広い範囲の2Dナビゲーションと3Dナビゲーション、到達および操作タスクで競争力を維持している。

関連論文リスト

• Aim Short to Reach Far: Your Frozen World Model Can Plan Better Than You Think [11.563626437122878]
  Anchored Planning(AP)は、世界モデルのオフライン軌道を再利用するトレーニングフリーの手法である。 APは、アクション合成とアクションランキングの両方において、凍結したLeWMプランナを大幅に改善する。
  論文  参考訳（メタデータ） (2026-09-24T16:05:02Z)
• Temporal-Distance JEPA: Plan-Aware Representation Learning for Latent World Model Predictive Control [8.39933163242427]
  JEPAsは、ピクセルを再構築するのではなく、表現空間で予測することで世界モデルを学ぶ。 以前のJEPAプランナーは、しばしば埋め込み幾何学(典型的には遅れたユークリッド距離)からランキングを継承する。 本稿では,LWMエンコーダのバックボーンを保持するテンポラルディスタンスJEPAを提案する。
  論文  参考訳（メタデータ） (2026-07-28T06:38:16Z)
• Hierarchical Planning with Latent World Models [49.82095442483551]
  階層的計画は、最大4倍の計画時間計算を必要としながら、より高い成功を達成する。 この階層的なアプローチにより、現実世界の非グリーディロボットタスクをゼロショットで制御できることを実証する。
  論文  参考訳（メタデータ） (2026-04-03T17:32:36Z)
• Efficient Robotic Policy Learning via Latent Space Backward Planning [17.770562202624962]
  現行のロボット計画手法は、しばしば、全画素の詳細を持つ多フレーム画像の予測に頼っている。 本稿では,その課題を最終目標とするLBP(Latent Space Backward Planning scheme)を提案する。 LBPは既存の細粒度・前方計画法よりも優れた性能を示し,SOTA性能を実現している。
  論文  参考訳（メタデータ） (2025-05-11T06:13:51Z)
• PDDLEGO: Iterative Planning in Textual Environments [56.12148805913657]
  テキスト環境における計画は、現在のモデルにおいても長年にわたる課題であることが示されている。 我々は,あるサブゴールの部分的な計画に導く計画表現を反復的に構築するPDDLEGOを提案する。 数ショットのPDDLEGOで作成するプランは,Coin Collectorシミュレーションでエンドツーエンドのプランを生成するよりも43%効率がよいことを示す。
  論文  参考訳（メタデータ） (2024-05-30T08:01:20Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
  未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。 視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。 本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:58:56Z)
• Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
  Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。 Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。 1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-07T17:52:23Z)

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。