論文の概要: World Models Dream of Success: Diagnosing and Repairing Failure Insensitivity in Robot World Models

• arxiv url: http://arxiv.org/abs/2610.09134v1
• Date: Tue, 06 Oct 2026 21:26:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.612151
• Title: World Models Dream of Success: Diagnosing and Repairing Failure Insensitivity in Robot World Models
• Title（参考訳）: World Models Dreams of Success: ロボットワールドモデルにおける障害感度の診断と修復
• Abstract要約: CureWMを導入し、重度グリッド上でのデモ成功から代替アクションを構築する。 動作の変化に対する弱い感度と、検証された失敗に対する成功のような予測を観察する。 タスク毎の失敗数、成功したリプレイデータ、トレーニング予算が一致したことにより、反ファクト的失敗は、新たに収集されたオン・ポリケーション障害の0.014に対して、成功率0.124の差を生じる。
• 参考スコア（独自算出の注目度）: 8.896551619864256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robot world models support policy evaluation, planning, and synthetic data generation, but these applications require predictions that distinguish successful actions from failures. Across four released checkpoints from two architecture families, we observe weak sensitivity to action changes and success-like predictions on verified failures. Although recent work incorporates failures into model training, which data can repair released checkpoints without changing their architecture or training objective still remains underexplored. To this end, we introduce CureWM, which constructs alternative actions from successful demonstrations across a severity grid, verifies their outcomes through execution in simulation or on hardware, and fine-tunes released models on the resulting failures and surviving successes alongside nominal demonstrations. This construction provides controlled action contrasts from shared starting contexts. On 484 held-out LIBERO failure counterfactuals, optimism falls from 80\% after fine-tuning on the official data to 30--43\% across four independently fine-tuned CureWM models (38\% mean). In two separate evaluations on a physical robot arm, failure predictions scored as success-like by a latent-distance diagnostic decrease from 90\% after fine-tuning on successful demonstrations alone to 33\% with CureWM. With failure counts per task, successful replay data, and training budget matched, counterfactual failures yield a success--failure value gap of 0.124, compared with 0.014 for freshly collected on-policy failures. These findings support execution-verified counterfactual replay for post-hoc repair and show why reduced optimism must be evaluated alongside success--failure discrimination. Code is available at https://github.com/jiuyixu25/CureWM.
• Abstract（参考訳）: ロボットワールドモデルは、ポリシー評価、計画、合成データ生成をサポートするが、これらのアプリケーションは、成功している動作と失敗を区別する予測を必要とする。 2つのアーキテクチャファミリーからリリースされた4つのチェックポイントで、動作変更に対する弱い感度と、検証された失敗に対する成功のような予測が観察される。 最近の研究は、失敗をモデルトレーニングに組み込んでいるが、そのデータは、アーキテクチャやトレーニングの目的を変更することなく、リリースされたチェックポイントを修復することができる。 そこで本研究では,厳密なグリッド上で成功したデモから代替的なアクションを構築し,シミュレーションやハードウェア上での実行を通じて結果を検証するCureWMを紹介する。 この構成は共有開始コンテキストと制御されたアクションコントラストを提供する。 484 の LIBERO 障害対策では、オフィシャルデータを微調整した後、80 % から 30-43 % まで、独立に微調整された CureWM モデル (平均38 %) で楽観性が低下する。 物理的ロボットアームの2つの異なる評価では、潜伏距離診断による失敗予測は、成功例のみを微調整した後、90\%からCureWMで33\%に低下した。 タスク毎の失敗数、成功したリプレイデータ、トレーニング予算が一致したことにより、反ファクトの失敗は、新たに収集されたオン・ポリケーション障害の0.014に対して、0.124の成功-失敗値ギャップを生じる。 これらの知見は, 術後修復に対する実行検証済みの反実的リプレイをサポートし, 成功率の低下が, 障害判別と相まって評価されるべき理由を示している。 コードはhttps://github.com/jiuyixu25/CureWM.comで入手できる。

関連論文リスト

• F4R: Failure-Driven Recognition, Reconstruction, Refinement, and Redeployment for Continual Robot Self-Improvement [36.58815385660095]
  F4R(Failure for Rising)は、F4R(Failure-driven real-to-sim-to-real closed-loop learning framework)である。 現実の失敗を目標とする政策改善に変換する。 F4Rは93.75%のアウト・オブ・ディストリビューション、90.0%のアウト・オブ・ディストリビューションを達成している。
  論文  参考訳（メタデータ） (2026-09-28T16:34:17Z)
• CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
  VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。 本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
  論文  参考訳（メタデータ） (2026-09-21T05:14:34Z)
• LIBERO-RECOVER: Beyond Task Success Towards Failure Recovery in Robotic Manipulation Models [48.57715789642472]
  本稿では,ロボット操作における障害回復のための大規模ベンチマークであるLIBERO-Recover Benchmarkを紹介する。 我々は、SOTAを具体化したモデルから実際の実行失敗を収集し、4つのリカバリレベルにわたって1000以上のシナリオを構築します。 空間的理解,オブジェクト構造推論,相互作用理解,トポロジカル推論の4つのコア機能を評価する。
  論文  参考訳（メタデータ） (2026-09-04T14:15:27Z)
• DenseReward: Dense Reward Learning via Failure Synthesis for Robotic Manipulation [67.08835970838996]
  強化学習は模倣学習の限界を超えてロボットポリシーを改善するための大きな約束である。 2つの重要な課題は、さまざまな障害データを大規模に取得し、スパース軌道レベルの成功ラベルを超えて、きめ細かい報酬信号を取得することである。 両課題に対処する高密度ロボット報酬モデルであるDenseRewardを紹介した。
  論文  参考訳（メタデータ） (2026-07-14T17:59:29Z)
• Learning from Failure: Inference-Time Self-Improvement for Computer-Use Agents [80.03824805228719]
  コンピュータ利用エージェントを開発する上での大きな課題は、大規模で高品質な軌道を収集することである。 我々は、失敗した軌道をエージェント改善に変換するデータ中心のパラダイムを提案する。 この手法をOSWorldベンチマーク上で,最先端のOpenCUA-72Bモデルを用いて検証する。
  論文  参考訳（メタデータ） (2026-06-30T07:44:37Z)
• Learning Actionable Manipulation Recovery via Counterfactual Failure Synthesis [21.197844940385725]
  現在の障害学習パラダイムは、コストと安全性の低い実世界のデータ収集か、シミュレータベースの摂動に依存している。 このフレームワークは,実世界の実演を成功させるのから直接,フォトリアリスティックでファクトファクトファクトのロールアウトを合成するものだ。 生成の世界モデル内でアクションを摂動させることで、Dream2Fixはシミュレータに頼ることなくペアの失敗言語データを生成する。
  論文  参考訳（メタデータ） (2026-03-13T19:02:58Z)
• Guardian: Detecting Robotic Planning and Execution Errors with Vision-Language Models [53.20969621498248]
  本稿では,多種多様な計画および実行障害を生成するために,軌道を手続き的に乱す自動ロボット故障合成手法を提案する。 RLBench-Fail, BridgeDataV2-Fail, UR5-Failの3つの新しい故障検出ベンチマークを構築した。 次に、詳細な障害推論と検出のためのマルチビューイメージを備えたVLMであるGuardianをトレーニングします。
  論文  参考訳（メタデータ） (2025-12-01T17:57:27Z)

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。