論文の概要: Generative World Models Enable Predictive Control of Laser Melt Pool Dynamics

• arxiv url: http://arxiv.org/abs/2610.06250v1
• Date: Mon, 05 Oct 2026 12:47:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 17:27:01.623261
• Title: Generative World Models Enable Predictive Control of Laser Melt Pool Dynamics
• Title（参考訳）: レーザ溶融プールダイナミクスの予測制御を可能にする生成的世界モデル
• Abstract要約: 環境が行動にどう反応するかを学ぶ世界モデルは、想像された未来を計画するための強力なパラダイムとして現れつつある。 本研究では, 温度・位相形態の履歴から進化を予測できる局所化高ダイナミックレーザー溶融プールの創成世界モデルを提案する。 学習されたダイナミクスは微分可能であるため、モデルは予測制御プラントとして直接機能することができる。
• 参考スコア（独自算出の注目度）: 0.4779196219827507
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: World models, which learn how environments respond to actions, are emerging as a powerful paradigm for planning through imagined futures, transforming decision-making across games, robotics and autonomous driving. Bringing this capability to manufacturing could enable process decisions on timescales inaccessible to high-fidelity simulation. Here we introduce a generative world model for localized highly dynamic laser melt pool that predicts evolution from histories of temperature and phase morphology under candidate actions. Its generative latent dynamics capture the effects of unresolved melt flow, enabling more accurate recursive rollouts than deterministic regressors under transient laser inputs. Because the learned dynamics are differentiable, the model can serve directly as a predictive control plant. Gradients through imagined futures optimize laser schedules that regulate melt-pool depth over previously unseen geometry, path, initialization. We further distil this optimization into an amortized policy that produces control actions in a single forward pass, providing a proof of concept for real deployment on machines.
• Abstract（参考訳）: 環境が行動にどう反応するかを学ぶ世界モデルは、未来を想像して計画し、ゲームやロボティクス、自動運転の意思決定を変えるための強力なパラダイムとして現れつつある。 この能力を製造にもたらすことで、高忠実度シミュレーションに到達できない時間スケールでのプロセス決定が可能になる。 ここでは, 温度・位相形態の履歴から進化を予測する, 局所化高ダイナミックレーザー溶融プールの生成的世界モデルを提案する。 その生成潜水ダイナミクスは未解決の溶融流の影響を捉え、過渡レーザー入力における決定論的回帰器よりも正確な再帰ロールアウトを可能にする。 学習されたダイナミクスは微分可能であるため、モデルは予測制御プラントとして直接機能することができる。 想像された未来を通した勾配は、以前は見えなかった幾何学、経路、初期化よりもメルトプール深度を調節するレーザースケジュールを最適化する。 我々はさらに、この最適化を、単一のフォワードパスで制御アクションを生成するアモータイズされたポリシーに分解し、マシンに実際のデプロイを行うための概念実証を提供する。

関連論文リスト

• LeFlow: Generative Latent Flow Planning for World Models [25.440423602180278]
  本稿では,世界モデルから潜在力学空間を直接操作する前に,再利用可能な潜在軌道を学習するLeFlowについて述べる。 4つの主要なゴール条件付きピクセル制御ベンチマークの中で、LeFlowは反復的なアクション空間最適化を償却された潜在計画に置き換えている。 我々の研究結果は、潜在世界モデルは予測だけでなく、再利用可能な計画事前をサポートするべきだと主張している。
  論文  参考訳（メタデータ） (2026-08-25T17:42:30Z)
• SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
  本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。 我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。 高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
  論文  参考訳（メタデータ） (2026-06-22T15:00:59Z)
• CausalDrive: Real-time Causal World Models for Autonomous Driving [60.66609721457312]
  制御可能でリアルタイムなファンデーション駆動の世界であるCausalDriveを紹介します。 CaulDriveは、最初のフロントビューフレーム、エゴ車両の軌道、マクロテキストプロンプトのみで動作する。 本稿では,(1)衝突アーティファクトを著しく緩和した生成的クローズループ評価,(2)ビデオ2Rewardモジュールによる大規模強化学習(RL)後トレーニング,(3)リアルタイムの人間-イン-ザ・ループシミュレーション,の3つのダウンストリームアプリケーションにおける汎用性を実証する。
  論文  参考訳（メタデータ） (2026-06-13T15:04:44Z)
• DynFlowDrive: Flow-Based Dynamic World Modeling for Autonomous Driving [67.83404465171257]
  DynFlowDriveは、異なる運転行動の下で世界状態の遷移をモデル化する潜在世界モデルである。 異なる駆動動作の下でシーン状態がどのように変化するかを記述した速度場を学習する。 これに基づいて,安定性を考慮した多モード軌道選択戦略を導入する。
  論文  参考訳（メタデータ） (2026-03-20T06:19:31Z)
• 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)
• Causal World Modeling for Robot Control [56.31803788587547]
  ビデオワールドモデルは、アクションと視覚力学の因果関係を理解することによって、近い将来に想像できる能力を提供する。 本稿では,フレーム予測とポリシ実行を同時に学習する自動回帰拡散フレームワークLingBot-VAを紹介する。 シミュレーションベンチマークと実世界のシナリオの両方でモデルを評価したところ、長距離操作、ポストトレーニングにおけるデータ効率、新しい構成への強力な一般化性などに大きな可能性を示唆している。
  論文  参考訳（メタデータ） (2026-01-29T17:07:43Z)
• Navigating the Human Maze: Real-Time Robot Pathfinding with Generative Imitation Learning [0.0]
  目標条件付き自己回帰モデルを導入し,個人間の複雑な相互作用を捉える。 このモデルは、潜在的なロボット軌道サンプルを処理し、周囲の個人の反応を予測する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:41Z)
• Context-Conditional Navigation with a Learning-Based Terrain- and Robot-Aware Dynamics Model [11.800678688260081]
  我々は,TRADYNと呼ばれる新しい確率的,地形的,ロボット対応のフォワードダイナミクスモデルを開発した。 本研究では,一輪式ロボットと空間的に異なる摩擦係数を持つ異なる地形配置を備えた2次元ナビゲーション環境において,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-07-18T12:42:59Z)

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。