論文の概要: Cross-Embodiment Robot Foundation World Models with Latent Actions

• arxiv url: http://arxiv.org/abs/2610.10846v1
• Date: Wed, 07 Oct 2026 19:51:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.646138
• Title: Cross-Embodiment Robot Foundation World Models with Latent Actions
• Title（参考訳）: 潜在行動を伴うクロス・エボディメント・ロボット・ファンデーション世界モデル
• Abstract要約: 我々はLAC-WM(Latent Action-Conditioned Robot World Model)を紹介する。 様々な実施形態で共有される学習された統合潜在行動空間内で機能する。 LAC-WM と Explicit Action-Conditioned World Model (EAC-WM) を比較する。
• 参考スコア（独自算出の注目度）: 41.384700726552616
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The diversity of robot embodiments and action spaces makes it challenging to build robot world models that generalize across different embodiments. We introduce the Latent Action-Conditioned Robot World Model (LAC-WM), which operates within a learned unified latent action space shared across diverse embodiments. This unified action space improves the world model's performance when adapted to previously unseen robot embodiments. We compare LAC-WM with an Explicit Action-Conditioned World Model (EAC-WM), which conditions on explicit motion labels. Our results show that explicit action conditioning leads to disjoint action representations across embodiments, limiting downstream performance when adapting to new robots. We evaluate both models on dexterous manipulation tasks and a modified LIBERO benchmark. LAC-WM improves downstream performance over EAC-WM by up to 46.7% on dexterous manipulation and 11.7% on LIBERO. Crucially, the unified latent action space allows LAC-WM's downstream performance to scale positively with the number of embodiments used during pretraining. In contrast, the disjoint action space in EAC-WM leads to decreased performance as the number of pretraining embodiments increases. These results highlight the importance of a unified action space for efficient cross-embodiment learning, addressing a key challenge in robotics. Project website: https://lacwm.github.io/
• Abstract（参考訳）: ロボットのエンボディメントとアクションスペースの多様性は、さまざまなエンボディメントをまたいで一般化するロボットの世界モデルを構築することを困難にしている。 本稿では,多種多様な実施形態で共有される学習された潜在行動空間内で機能する潜在行動制御ロボット世界モデル(LAC-WM)を紹介する。 この統合されたアクション空間は、以前は目に見えないロボットの体現物に適応する際の世界モデルの性能を向上させる。 LAC-WM と Explicit Action-Conditioned World Model (EAC-WM) を比較する。 以上の結果から, 明示的な動作条件付けは, 新しいロボットに適応する際の下流性能を制限し, 実施形態をまたいだ不整合な動作表現につながることが示唆された。 我々は,デクスタラスな操作タスクと修正されたLIBEROベンチマークで両方のモデルを評価する。 LAC-WMはERC-WMの下流性能を46.7%まで改善し、LIBEROは11.7%向上した。 重要なことは、LAC-WMの下流性能は、事前訓練で使用するエボディメントの数と正にスケールすることができる。 対照的に、EAC-WMにおける解離作用空間は、事前学習エボディメントの数が増加するにつれて性能が低下する。 これらの結果は、ロボット工学における重要な課題に対処するため、効率的なクロスボデーメント学習のための統一された行動空間の重要性を強調している。 プロジェクトウェブサイト:https://lacwm.github.io/

関連論文リスト

• Improving Cross-embodiment Transfer in Latent Action Models with Action-Similarity Supervision [37.64964901532277]
  潜在アクションモデル(LAM)は、エンボディメント間で共有可能なアクションフリービデオから潜在アクションを学ぶことによって、両方の問題に対処する。 我々は,同一ラベルの異なる使用法について,行動相似性監視を通じて検討する。 2つの潜伏動作の類似性は、2つの接地型ロボット動作シーケンスの類似性に適合するように訓練される。
  論文  参考訳（メタデータ） (2026-09-17T07:55:35Z)
• Hydra-0: Action Flow for Generalist World Modeling and Control [64.88849745875753]
  Hydra-0はアクションフローを条件とした世界モデルであり、ロボットの動きをピクセルの動きとして表現している。 我々の最良の構成は、90.4%のロボットモーションエラー、60.2%のオブジェクトモーションエラーを達成する。 訓練されたアクションヘッドは、タスク固有の専門家ロボットのデモンストレーションを必要とせずに、得られた潜在機能を実行可能なアクションにマッピングする。
  論文  参考訳（メタデータ） (2026-08-18T17:59:30Z)
• GigaWorld-Policy-0.5: A Faster and Stronger WAM Empowered by AutoResearch [66.7936140772745]
  本稿では,より効率的なロボット制御を目的としたアクション中心型WAMであるGigaWorld-Policy-0.5を紹介する。 効率的な推論のために、GigaWorld-Policy-0.5はMixture-of-Transformersアーキテクチャを導入している。 GigaWorld-Policy-0.5は,ロボット制御の推論効率を向上しつつ,将来の視覚力学のトレーニング効果を保っている。
  論文  参考訳（メタデータ） (2026-07-15T15:46:42Z)
• Causally Debiased Latent Action Model for Embodied Action Conditioned World Models [47.281442841934876]
  行動条件付き世界モデル(ACWMs)は、身体的行動に基づく将来の観測をシミュレートすることを目的としている。 既存のLAMは、通常、再構築のみの目的で訓練される。 LAMベースのACWMのための因果脱バイアスフレームワークCD-LAMを提案する。
  論文  参考訳（メタデータ） (2026-07-10T08:20:27Z)
• Align-Then-stEer: Adapting the Vision-Language Action Models through Unified Latent Guidance [63.33213516925946]
  textbfAlign-Then-stEer(textttATE)は,新しいデータ効率,プラグアンドプレイ適応フレームワークである。 我々の研究は、新しいロボットプラットフォームやタスクにVLAモデルをデプロイする実用性を大幅に向上させる、汎用的で軽量なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-02T07:51:59Z)
• Universal Actions for Enhanced Embodied Foundation Models [25.755178700280933]
  我々はUniversal Action Spaceで動作する新しい基礎モデリングフレームワークUniActを紹介する。 我々の学習した普遍行動は、共有された構造的特徴を利用して、多様なロボット間での一般的な原子の挙動を捉えます。 0.5BでのUniActのインスタンス化は、様々な実世界およびシミュレーションロボットの広範囲な評価において、14倍のSOTAを具現化した基礎モデルより優れている。
  論文  参考訳（メタデータ） (2025-01-17T10:45:22Z)

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。