Fugu-MT 論文翻訳(概要): D-World: An Explicit World-Language-Action Model with Recursive Self-Improvement under Dual Control

論文の概要: D-World: An Explicit World-Language-Action Model with Recursive Self-Improvement under Dual Control

arxiv url: http://arxiv.org/abs/2610.17114v1
Date: Mon, 12 Oct 2026 17:05:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-15 21:06:15.424536
Title: D-World: An Explicit World-Language-Action Model with Recursive Self-Improvement under Dual Control
Title（参考訳）: D-World: 二重制御による再帰的自己改善を伴う明示的ワールドランゲージ・アクションモデル
Abstract要約: 我々は、センス、プラン、およびアクト分解に基づいて構築された明示的な世界言語-アクションモデルであるD-Worldを提示する。知覚エージェントは、生成された視覚と幾何学コードを用いて、シーンを実行可能なデジタルツインとして記述する。計画エージェントは、シミュレーション中の動作を探索し、実行された各動作チャンクの後、双子のオブジェクトの状態を修正し、ロボットが測定したものに対して物理的パラメータを命名する。
参考スコア（独自算出の注目度）: 0.2440343030115757
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Frontier large language models (LLMs) now reason about space well enough to program robots, yet the world models behind robot policies are implicit, held in network weights or predicted video, and cannot be inspected or corrected directly. We present D-World, an explicit world-language-action model built on the Sense, Plan and Act decomposition. A perception agent writes the scene as an executable digital twin using generated vision and geometry code. A planning agent searches for actions in simulation and, after each executed action chunk, revises the twin's object states and named physical parameters against what the robot measured. A parameter revision is accepted only if replaying the latest chunk does not increase any measured residual beyond its tolerance, and every chunk is checked in the updated twin before it runs. Structural mismatches return to perception for reconstruction. We call this measurement-grounded cycle of correction and revision recursive self-improvement (RSI), in which the LLM stays frozen while the world it acts in improves. We model the choice of actions that both advance the task and expose model error as a dual control problem and show that the cost of incorporating evidence into the twin sets the threshold at which probing pays, so cheap local revision counteracts the turn-off of cautious controllers. Each episode runs a real-to-sim-to-real loop, and its recorded twins can be refitted and re-rendered offline into higher-fidelity environments for post-training. Because perception and planning communicate only through the twin and language, either can be replaced by a learned model, and since inference dominates the loop, the loop speeds up with faster models. On a dual-arm robot, towel and toaster tasks show local revisions, such as one reducing the bread's rendered-depth residual from 22.4 to 1.5 mm, that let execution continue without reconstruction.
Abstract（参考訳）: 最前線の大規模言語モデル(LLM)はロボットをプログラムするのに十分なスペースを推論するが、ロボットポリシーの背後にある世界モデルは暗黙的に、ネットワークの重みや予測ビデオに保持され、直接検査や修正はできない。我々は、センス、プラン、およびアクト分解に基づいて構築された明示的な世界言語アクションモデルであるD-Worldを提示する。知覚エージェントは、生成された視覚と幾何学コードを用いて、シーンを実行可能なデジタルツインとして記述する。計画エージェントは、シミュレーション中の動作を探索し、実行された各動作チャンクの後、双子のオブジェクトの状態を修正し、ロボットが測定したものに対して物理的パラメータを命名する。パラメータのリビジョンは、最新のチャンクのリプレイが許容範囲を超えていない場合にのみ受け入れられ、すべてのチャンクが実行前に更新ツインでチェックされる。構造ミスマッチは再建のために認識に戻ります。我々は、この測定に基づく修正・修正自己改善(RSI)のサイクルを、LLMが凍結したままに保ちながら、世界が改善する、と呼びます。我々は,タスクの進行とモデルエラーの露呈の両方を二重制御問題として行う行動の選択をモデル化し,証拠をツインに組み込むコストが探索費用のしきい値を設定することを示し,安価なローカルリビジョンが慎重なコントローラのターンオフに反することを示す。各エピソードはリアルからシミュレート・トゥ・リアルのループを走らせ、記録された双子はオフラインでトレーニング後の高忠実な環境に調整、再レンダリングすることができる。知覚と計画はツインと言語を通してのみ通信するため、どちらも学習されたモデルに置き換えられることができ、推論がループを支配しているため、ループはより高速なモデルでスピードアップする。デュアルアームロボットでは、タオルとトースターのタスクは、パンの深度を2.4mmから1.5mmに下げるなど、局所的なリビジョンを示す。

論文の概要: D-World: An Explicit World-Language-Action Model with Recursive Self-Improvement under Dual Control

関連論文リスト