論文の概要: Relational Learning as World Modeling

• arxiv url: http://arxiv.org/abs/2610.16763v1
• Date: Mon, 12 Oct 2026 13:24:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.376922
• Title: Relational Learning as World Modeling
• Title（参考訳）: 世界モデリングとしてのリレーショナルラーニング
• Abstract要約: 運用システムでは、答えはデータベース自身では見えないかもしれないシステム固有のダイナミクスに依存します。 本研究では,TabWM (Tabular World Model) と WOREL (WorldRel) を導入した。
• 参考スコア（独自算出の注目度）: 14.53852276085822
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Relational learning typically predicts from a database state, but decision making asks a different question: how will that state change under an action? In operational systems, the answer depends on system-specific dynamics that may not be visible in the database itself. We view each such system as a relational "world" and ask whether a model can infer how it behaves from observed executions. We introduce TabWM (Tabular World Model) and WorldRel, a generator of executable relational worlds for pretraining. Given executions from an unseen world, TabWM uses them as context to predict the sparse structured edits caused by a new action without parameter updates. Across 512 held-out worlds, complete-edit F1 rises from 0.016 with no observed executions to 0.685 with 64, where a correct edit must match its operation, relational location, and value. Because these predictions are explicit relational edits, they can be applied recursively to imagine candidate futures and compare actions before they are taken. Broader search over these predicted futures improves the realized return of selected action sequences. Together, these results suggest that relational dynamics can be learned in context, broadening relational learning from modeling system state to modeling how that state changes under action.
• Abstract（参考訳）: 関係学習は通常、データベースの状態から予測されるが、意思決定は別の質問をする。 運用システムでは、答えはデータベース自身では見えないかもしれないシステム固有のダイナミクスに依存します。 我々は、これらのシステムをリレーショナルな"世界"とみなし、モデルが観察された実行からどのように振る舞うかを推測できるかどうかを問う。 本研究では,TabWM (Tabular World Model) と WOREL (WorldRel) を導入した。 目に見えない世界の実行を前提として、TabWMはパラメータを更新せずに新しいアクションによるスパースな構造化編集を予測するためにコンテキストとしてそれらを使用する。 512のホールドアウトの世界において、完全編集F1は0.016から0.685まで上昇し、64では正しい編集はその操作、リレーショナルな位置、値に一致しなければならない。 これらの予測は明示的なリレーショナルな編集であるため、候補となる未来を想像し、実行前にアクションを比較するために再帰的に適用することができる。 これらの予測された未来を広範に探索することで、選択されたアクションシーケンスの返却が向上する。 これらの結果は、リレーショナルダイナミクスがコンテキストで学習できることを示唆し、モデリングシステム状態から、その状態が動作中にどのように変化するかのモデリングまで、リレーショナル学習を広げる。

関連論文リスト

• WorldOracle: Benchmarking Action-Conditioned World Models against Real-World Executions [47.440667084868345]
  実世界のペア実行に対する行動条件付き世界モデル(ACWM)を評価するために設計されたベンチマークであるWorldOracleを紹介する。 物理状態の正しさ、相互作用空間のアライメント、鍵相互作用領域の忠実度、マルチビューアクションコヒーレンスという4つの相補的な次元に沿ったモデルを評価する。 7つの代表的なACWMの実験により、異なるモデル強度と故障モードが明らかとなった。
  論文  参考訳（メタデータ） (2026-10-13T17:52:55Z)
• AGWM: Affordance-Grounded World Models for Environments with Compositional Prerequisites [18.635313325437664]
  我々は,行動の動的実行可能性を明確に追跡するために,前提条件依存のDAGとして表される抽象的な空き構造を学習するAGWM(Affordance-Grounded World Model)を提案する。 ゲームベースのシミュレーション環境の実験では、より低いマルチステップ予測誤差、新しい構成へのより良い一般化、解釈可能性の向上により、本手法の有効性が示された。
  論文  参考訳（メタデータ） (2026-05-07T18:46:44Z)
• OpenPI-C: A Better Benchmark and Stronger Baseline for Open-Vocabulary State Tracking [55.62705574507595]
  OpenPIは、オープン語彙状態トラッキング用に注釈付けされた唯一のデータセットである。 手順レベル,ステップレベル,状態変化レベルの3つの問題を分類する。 評価指標として,クラスタベースの計量法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T16:48:20Z)
• Relational Action Bases: Formalization, Effective Safety Verification, and Invariants (Extended Version) [67.99023219822564]
  我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。 RABは両方の制限を解除することで既存のモデルを一般化する。 データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-08-12T17:03:50Z)
• Value-Consistent Representation Learning for Data-Efficient Reinforcement Learning [105.70602423944148]
  本稿では,意思決定に直接関連のある表現を学習するための,VCR(Value-Consistent Expression Learning)という新しい手法を提案する。 この想像された状態と環境によって返される実状態とを一致させる代わりに、VCRは両方の状態に$Q$-valueヘッドを適用し、2つのアクション値の分布を得る。 検索不要なRLアルゴリズムに対して,提案手法が新たな最先端性能を実現することが実証された。
  論文  参考訳（メタデータ） (2022-06-25T03:02:25Z)
• Systematic Generalization for Predictive Control in Multivariate Time Series [8.9409202880533]
  本研究では,力学系の将来の状態軌跡の予測における系統的一般化について検討する。 我々は、大きな地平線まで軌道を予測できる有用な帰納的バイアスの厳密な研究を行う。
  論文  参考訳（メタデータ） (2021-02-10T18:00:45Z)

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。