論文の概要: RoleWorld: Knowledge Transfer in World Modeling with Functional Role Abstractions

• arxiv url: http://arxiv.org/abs/2610.13172v1
• Date: Fri, 09 Oct 2026 07:58:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.463179
• Title: RoleWorld: Knowledge Transfer in World Modeling with Functional Role Abstractions
• Title（参考訳）: RoleWorld: 機能的役割抽象化を用いた世界モデリングにおける知識伝達
• Abstract要約: RoleWorldは、再利用可能なプロトタイプと環境固有のパラメータ値を機能的なロール抽象化として使用する、象徴的な世界モデリングアプローチである。 教師のLLMは、ロールインスタンス上で定義されたロールプロトタイプと実行可能なトランジションルールを抽出し、アクターに意思決定にロール情報を使用するように誘導するスキルを抽出する。 ターゲットの世界では、教師なしでは、アクターは現在の役割割り当てとパラメータ推定と共にこのスキルを使用し、相互作用を通じてロールインスタンス仮説を積極的にテストする。 MARSベンチマークの実験では、RoleWorldはオブジェクトの挙動が著しく変化した環境をまたいだ堅牢な一般化を可能にしている。
• 参考スコア（独自算出の注目度）: 14.001891206762208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models enable large language model (LLM) agents to anticipate action effects and make informed decisions. For generalization, it is desirable for such world models to transfer efficiently to new environments with similar interaction structure and underlying dynamics. Recent approaches encode world dynamics as symbolic rules or executable programs, whose compositional structure in principle affords transfer, but still organize such knowledge around environment-specific objects. To address this limitation, we introduce RoleWorld, a symbolic world modeling approach which uses reusable prototypes and environment-specific parameter values as functional role abstractions to represent how objects behave in interactions. From interaction trajectories, a teacher LLM extracts role prototypes and executable transition rules defined over role instances, together with a skill that guides the actor LLM to use role information in decision making. In a target world, without the teacher, the actor uses this skill together with its current role assignments and parameter estimates, and actively tests a role instance hypothesis through interaction when its uncertainty affects the current decision. Feedback from each action refines role assignments and estimates parameter values online, with no LLM parameter updates and the transition rules held fixed. Experiments on MARS benchmark show that RoleWorld enables robust generalization across environments with significantly altered object behavior, suggesting that functional role abstractions can serve as an effective component for knowledge transfer in world modeling. Project Page: https://future-item.github.io/RoleWorld.
• Abstract（参考訳）: 世界モデルは、大きな言語モデル(LLM)エージェントがアクション効果を予測し、情報的な決定をすることができる。 一般化のためには、そのような世界モデルが、同様の相互作用構造と基礎となるダイナミクスを持つ新しい環境に効率的に移行することが望ましい。 近年のアプローチでは、世界力学を象徴的な規則や実行可能プログラムとしてエンコードしており、その構成構造は、基本的には移動が可能であるが、環境固有の対象に関する知識を体系化している。 この制限に対処するために、再利用可能なプロトタイプと環境固有のパラメータ値を機能的なロール抽象化として利用し、オブジェクトの相互作用の振る舞いを表現する象徴的な世界モデリング手法であるRoleWorldを紹介します。 インタラクションの軌跡から、教師のLLMは、ロールインスタンス上で定義されたロールプロトタイプと実行可能なトランジションルールを抽出し、アクターのLLMに意思決定におけるロール情報の使用を誘導するスキルを抽出する。 ターゲットの世界では、教師がいない場合、アクターは現在の役割割り当てとパラメータ推定とともにこのスキルを使用し、その不確実性が現在の決定に影響を及ぼすときの相互作用を通じてロールインスタンス仮説を積極的にテストする。 各アクションからのフィードバックはロールの割り当てを洗練し、パラメータ値をオンラインで推定する。 MARSベンチマークの実験では、RoleWorldはオブジェクトの挙動が著しく変化した環境をまたいだ堅牢な一般化を可能にし、機能的な役割抽象化が世界モデリングにおける知識伝達の効果的なコンポーネントとして機能することを示唆している。 Project Page: https://future-item.github.io/RoleWorld.com

関連論文リスト

• Beyond Instance Slots: Semantically Rich World Models for Physical Interaction Planning [3.284163275977256]
  本稿では,5つの機能的役割を中心に構成されたタスク条件付き世界モデルであるSemantically Rich World Model (SR-WM)を提案する。 SR-WM内では、ビジュアルエンティティエンコーダが事前訓練されたパッチ機能からソフトエンティティ仮説を抽出し、セグメンテーションマスクがオプションの提案先として機能する。 ロールバインダーはこれらの仮説をタスク固有のロールにマッピングし、アクション条件付きダイナミクスモデルは、きめ細かいセマンティクスと共にロール遷移を予測する。
  論文  参考訳（メタデータ） (2026-08-23T08:37:59Z)
• Bridging the Agent-World Gap: Text World Models for LLM-based Agents [83.8237017249529]
  大規模言語モデル(LLM)ベースのエージェントは、インタラクティブなテキスト環境においてますます使われている。 多くは反応が強く、これらの環境がどのように構成され、どのように進化するかの明確なモデルなしで、観察を行動にマッピングする。 テキストワールドモデル(TWMs): 状態と候補アクションが与えられたら、結果のWebページ、端末出力、API応答、ユーザ応答を予測する。 LLMをベースとしたエージェントのテキストワールドモデルについて,形式的なフレームワークとエージェントライフサイクルを中心に整理し,体系的にレビューを行った。
  論文  参考訳（メタデータ） (2026-06-08T04:58:52Z)
• Learning POMDP World Models from Observations with Language-Model Priors [52.11151769796862]
  部分的に観測可能なマルコフ決定プロセス(POMDP)は、内部世界モデルのための柔軟なモデリングクラスを提供する。 先行知識を活用することで,言語モデルがコストのかかる相互作用を低減できるかどうかを問う。 我々は,emphPinductor が LLM ベースの POMDP 学習手法の性能とサンプル効率に一致することを示す。
  論文  参考訳（メタデータ） (2026-05-13T16:18:15Z)
• Learning Interactive World Model for Object-Centric Reinforcement Learning [27.710001478315288]
  我々は、世界モデル内で、オブジェクトとそれらの相互作用の構造化表現を学習する統一的なフレームワークを導入する。 FIOC-WMは、オブジェクト相互作用のアンタングルおよびモジュラー表現で環境力学をキャプチャする。 FIOC-WMは、シミュレーションされたロボットと組み込みAIベンチマークにおいて、世界モデルベースラインに対するポリシー学習サンプル効率と一般化を改善している。
  論文  参考訳（メタデータ） (2025-11-04T03:35:58Z)
• ExoPredicator: Learning Abstract Models of Dynamic Worlds for Robot Planning [77.49815848173613]
  本研究では,内因性行動とメカニズムの両方について,シンボル的状態表現と因果過程を共同で学習する抽象世界モデルのためのフレームワークを提案する。 シミュレーションされた5つのテーブルトップロボット環境の中で、学習されたモデルは、より多くのオブジェクトとより複雑な目標を持つ保留タスクに一般化した高速な計画を可能にし、幅広いベースラインを上回ります。
  論文  参考訳（メタデータ） (2025-09-30T13:44:34Z)
• CGMI: Configurable General Multi-Agent Interaction Framework [0.0]
  ヒューマンインタラクションを現実のシナリオで再現するために設計された汎用多エージェントインタラクション(CGMI)フレームワーク。 エージェントパーソナリティの割り当て,検出,維持のための木構造的手法を提案する。 また,仮想環境の現実性を高めるために汎用エージェントを統合した。
  論文  参考訳（メタデータ） (2023-08-24T02:03:29Z)
• Plug and Play, Model-Based Reinforcement Learning [60.813074750879615]
  我々は、既知のオブジェクトクラスから新しいオブジェクトをゼロショットで統合できるオブジェクトベースの表現を導入する。 これは、グローバル遷移力学を局所遷移関数の和として表現することで達成される。 実験により, 様々なセットアップにおいて, サンプル効率が達成できることが示された。
  論文  参考訳（メタデータ） (2021-08-20T01:20:15Z)
• RODE: Learning Roles to Decompose Multi-Agent Tasks [69.56458960841165]
  ロールベースの学習は、ロールを使って複雑なタスクを分解することで、スケーラブルなマルチエージェント学習を実現するという約束を持っている。 本稿では,まず,環境および他のエージェントに対する影響に応じて協調行動空間をクラスタリングすることで,制約された役割行動空間に分解することを提案する。 これらの進歩により、我々の手法は、挑戦的なStarCraft IIマイクロマネジメントベンチマークを構成する14シナリオのうち10シナリオにおいて、現在の最先端のMARLアルゴリズムよりも優れています。
  論文  参考訳（メタデータ） (2020-10-04T09:20:59Z)

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。