論文の概要: ProWorld: Multi-View World Model with Proprioceptive Feedback for Closed-Loop Policy Evaluation

• arxiv url: http://arxiv.org/abs/2610.15294v1
• Date: Sun, 11 Oct 2026 03:00:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:46:20.141739
• Title: ProWorld: Multi-View World Model with Proprioceptive Feedback for Closed-Loop Policy Evaluation
• Title（参考訳）: ProWorld: 閉ループ政策評価のための受動的フィードバックを備えた多視点世界モデル
• Abstract要約: 本研究では,行動条件付き世界モデルが,実際のロボットを追従する政策成功率を持つクローズドループテスト環境として機能するかどうかを考察する。 本稿では,多視点映像とロボット状態を共同で予測する世界モデルProWorldを紹介する。 高忠実度シミュレーションで収集した相互作用の失敗によるトレーニングを増強し、生成環境におけるインフレーション成功率を低減させる。
• 参考スコア（独自算出の注目度）: 59.713058162809176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evaluating robot manipulation policies through repeated physical trials is costly. We study whether an action-conditioned world model can serve as a closed-loop test environment whose policy success rates track those on real robots. Beyond realistic video, the model must return the camera views and proprioceptive state needed for the policy's next action and preserve failed-action outcomes to avoid overestimating policy capability. We introduce ProWorld, a world model that jointly predicts multi-view video and robot state, then feeds both back to a frozen policy for repeated interaction. ProWorld comprises a shared transformer for joint video-state flow prediction and Shared-Time View Encoding to distinguish cameras while preserving temporal synchronization. To reduce interaction hallucinations that turn missed grasps into successful lifts, we augment training with failed interactions collected in high-fidelity simulation, reducing inflated success rates in the generated environment. ProWorld achieves the highest overall TriWorldBench score among the compared methods. Across three policies and four local manipulation tasks, it attains a Pearson correlation of 0.95 and a Spearman correlation of 0.94 between generated and real success rates. These results support joint visual-proprioceptive feedback and failure-aware training as a basis for world-model-based policy evaluation.
• Abstract（参考訳）: 繰り返し物理実験によるロボット操作ポリシーの評価には費用がかかる。 本研究では,行動条件付き世界モデルが,実際のロボットを追従する政策成功率を持つクローズドループテスト環境として機能するかどうかを考察する。 現実的なビデオの他に、モデルは、政策の次の行動に必要なカメラビューとプロプリセプティブステートを返却し、政策能力の過大評価を避けるために失敗する結果を保存する必要がある。 マルチビュービデオとロボット状態を共同で予測する世界モデルProWorldを紹介する。 ProWorldは、共同ビデオ状態フロー予測のための共有トランスフォーマーと、時間同期を保ちながらカメラを区別する共有時間ビューエンコーディングを備える。 高忠実度シミュレーションで収集した相互作用の失敗によるトレーニングを増強し, 発生環境における成功率の増大を低減した。 ProWorldは比較手法の中でTriWorldBenchのスコアが最も高い。 3つのポリシーと4つの局所的な操作タスクで、ピアソンの相関は0.95、スピアマンの相関は0.94である。 これらの結果は、世界モデルに基づく政策評価の基盤として、共同視覚受容フィードバックと失敗認識トレーニングをサポートする。

関連論文リスト

• RoboWorld: Fast and Reliable Neural Simulators for Generalist Robot Policy Evaluation [52.855830378221775]
  一般的なロボットポリシーを評価するためのスケーラブルな代替手段として、ビデオワールドモデルが登場しつつある。 タスクプログレス対応の視覚言語モデルスコアリングと,高速なビデオワールドモデルを組み合わせた自動評価パイプラインであるRoboWorldを紹介する。
  論文  参考訳（メタデータ） (2026-07-01T15:22:41Z)
• SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation [73.2142090645987]
  SC3-Evalは、事前訓練されたビデオ基盤モデルを正確なポリシー評価器に適合させる自己一貫性のあるビデオ生成レシピである。 SC3-Evalロールアウトは、実世界のロールアウトでポリシーが示す障害モードを再現し、詳細な診断比較をサポートする。
  論文  参考訳（メタデータ） (2026-06-17T02:15:46Z)
• Interactive World Simulator for Robot Policy Training and Evaluation [21.481187472784047]
  ロボットインタラクションデータセットからインタラクティブな世界モデルを構築するためのフレームワークであるInteractive World Simulatorを提案する。 我々の実験では、学習された世界モデルが相互作用に一貫性のあるピクセルレベルの予測を生成する。 我々は,世界モデル生成データに基づいてトレーニングされたポリシーが,同じ量の実世界のデータでトレーニングされたポリシーと相容れないことを発見した。
  論文  参考訳（メタデータ） (2026-03-09T16:13:32Z)
• World-VLA-Loop: Closed-Loop Learning of Video World Model and VLA Policy [55.03832008486675]
  World-VLA-Loopは、世界モデルとVision-Language-Action (VLA) ポリシーの共同改良のためのクローズドループフレームワークである。 本研究では,将来観測と報奨信号の同時予測により,高忠実度インタラクティブシミュレータとして機能する状態認識型ビデオワールドモデルを提案する。
  論文  参考訳（メタデータ） (2026-02-06T08:57:55Z)
• WorldGym: World Model as An Environment for Policy Evaluation [41.204900701616914]
  WorldGymは、実環境のプロキシとして機能する自動回帰、アクション条件付きビデオ生成モデルである。 ポリシーはモンテカルロの世界モデルによるロールアウトを通じて評価され、視覚言語モデルが報酬を提供する。 We show that WorldGym can maintain relative policy rankings across different policy version, sizes, and training checkpoints。
  論文  参考訳（メタデータ） (2025-05-31T15:51:56Z)

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。