論文の概要: LeCuration: A Tiny World Model as a Data Curation Multi-Tool

• arxiv url: http://arxiv.org/abs/2610.09285v1
• Date: Wed, 07 Oct 2026 01:41:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.673298
• Title: LeCuration: A Tiny World Model as a Data Curation Multi-Tool
• Title（参考訳）: LeCuration: データキュレーションのマルチツールとしての世界モデル
• Abstract要約: 物理AIの多くの応用は、オブジェクトの振舞いを規定する物理法則の制限された有限または閉じた物理世界内で実行される。 個々のデータセットのユニークな設定と物理法則に着目した新しいアプローチを提案する。 LeCurationは、独立したより大規模な下流モデルのためのデータキュレーションツールとして機能することを意図した小さな世界モデルです。
• 参考スコア（独自算出の注目度）: 0.3645698326503404
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Many applications of physical AI run within finite or closed physical worlds with a limited set of physical laws governing object behavior. Examples include robots working in a warehouse and agents moving around in a video game. In order to better organize, filter, and curate data for physical AI applications, we propose a new approach centered on the unique settings and physical laws of individual datasets. We train LeCuration, a small world model intended to serve as a data curation tool for a separate, larger downstream model. To build this model, we choose LeWorldModel (LeWM)as our latent encoder and predictor, adding a diffusion transformer (DiT) decoder to add visuals to autoregressive gameplay rollout. We find that the embeddings of this model can be used as an anomaly detection signal and as a content-based clustering heuristic, and that auto-regressively predicting the game state with this model allows us to qualitatively check for action-state consistency. This paper presents a qualitative, proof-of-concept case study on CS:GO gameplay data; we do not yet report quantitative curation metrics or downstream training results, which we identify as the key next step.
• Abstract（参考訳）: 物理AIの多くの応用は、オブジェクトの振舞いを規定する物理法則の制限された有限または閉じた物理世界内で実行される。 例えば、倉庫で働くロボットや、ビデオゲームで動き回るエージェントなどがある。 物理AIアプリケーションのデータを整理、フィルタリング、キュレートするために、個々のデータセットのユニークな設定と物理法則に焦点を当てた新しいアプローチを提案する。 LeCurationは、独立したより大規模な下流モデルのためのデータキュレーションツールとして機能することを意図した小さな世界モデルです。 このモデルを構築するために、我々は潜在エンコーダと予測器としてLeWorldModel(LeWM)を選択し、自動回帰ゲームプレイロールアウトにビジュアルを追加する拡散トランスフォーマー(DiT)デコーダを追加した。 このモデルの埋め込みは、異常検出信号やコンテンツベースのクラスタリングヒューリスティックとして利用することができ、また、このモデルでゲーム状態を自動回帰予測することで、アクション状態の整合性を質的に確認することができる。 本稿では,CS:GOのゲームプレイデータに関する定性的,概念実証のケーススタディについて述べる。

関連論文リスト

• Data Pyramid for Embodied Manipulation [135.16063649795234]
  身体的エージェントは、物理的状態や行動と観察を混同するデータを必要とする。 具体化されたデータエコシステムは、5つの補完的なソースにまたがる“ピラミド”として組織化しています。
  論文  参考訳（メタデータ） (2026-07-27T17:59:58Z)
• Latent Particle World Models: Self-supervised Object-centric Stochastic Dynamics Modeling [51.40150411616207]
  実世界のマルチオブジェクトデータセットに拡張された自己教師型オブジェクト中心の世界モデルであるLatent Particle World Model (LPWM)を紹介する。 LPWMは、ビデオデータから直接キーポイント、バウンディングボックス、オブジェクトマスクを自律的に発見する。 私たちのアーキテクチャは、純粋にビデオからエンドツーエンドにトレーニングされ、アクション、言語、イメージ目標に対するフレキシブルな条件付けをサポートします。
  論文  参考訳（メタデータ） (2026-03-04T19:36:08Z)
• VLAW: Iterative Co-Improvement of Vision-Language-Action Policy and World Model [87.75549463328836]
  本研究の目的は、反復的なオンラインインタラクションにより、視覚言語アクション(VLA)モデルの性能と信頼性を向上させることである。 本稿では,実世界のロールアウトデータを用いて,世界モデルの忠実度を向上する簡易な反復改善アルゴリズムを提案する。 基本方針よりも39.2%の絶対成功率向上と、生成した合成ロールアウトによるトレーニングによる11.6%の改善を実現している。
  論文  参考訳（メタデータ） (2026-02-12T15:21:47Z)
• A Lightweight Library for Energy-Based Joint-Embedding Predictive Architectures [58.26804959656713]
  JEPA(Joint-Embedding Predictive Architectures)を用いた表現と世界モデルを学習するためのオープンソースのライブラリであるEB-JEPAを提案する。 JEPAsは、ピクセル空間ではなく表現空間で予測することを学び、生成モデリングの落とし穴を避ける。 これらの表現がどのように行動条件付き世界モデルを駆動し、Two Roomsナビゲーションタスクで97%の計画成功率を達成するかを示す。
  論文  参考訳（メタデータ） (2026-02-03T14:56:24Z)
• Learning Sequential Kinematic Models from Demonstrations for Multi-Jointed Articulated Objects [6.125464415922235]
  マルチDoFオブジェクトに対する運動的制約と操作順序の両方をキャプチャする表現であるOKSMを紹介する。 Pokenetは、従来の方法と比較して、実世界のデータに対して、ジョイント軸と状態推定を20%以上改善する。
  論文  参考訳（メタデータ） (2025-05-09T18:09:06Z)
• SoccerDiffusion: Toward Learning End-to-End Humanoid Robot Soccer from Gameplay Recordings [2.572390511592254]
  SoccerDiffusionは、ヒューマノイドロボットサッカーのエンドツーエンド制御ポリシーを学ぶためのトランスフォーマーベースの拡散モデルである。 組み込みプラットフォーム上でリアルタイムな推論を可能にするため,蒸留技術を採用している。 本研究は,シミュレーションおよび物理ロボット上での複雑な動作挙動を再現するモデルの有効性を実証するものである。
  論文  参考訳（メタデータ） (2025-04-29T14:21:08Z)
• Guaranteed Conformance of Neurosymbolic Models to Natural Constraints [4.598757178874836]
  安全クリティカルな応用においては、データ駆動モデルは自然科学の確立した知識に適合することが重要である。 我々はこの適合性を保証する方法を提案する。 拘束されたニューロシンボリックモデルが特定のモデルに適合していることを実験的に示す。
  論文  参考訳（メタデータ） (2022-12-02T18:03:37Z)
• Masked World Models for Visual Control [90.13638482124567]
  視覚表現学習と動的学習を分離する視覚モデルに基づくRLフレームワークを提案する。 提案手法は,様々な視覚ロボット作業における最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-06-28T18:42:27Z)

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。