論文の概要: Box-WAM: Box Trajectories as Compact State Representations for World Action Models

• arxiv url: http://arxiv.org/abs/2610.17526v1
• Date: Tue, 13 Oct 2026 00:42:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.482877
• Title: Box-WAM: Box Trajectories as Compact State Representations for World Action Models
• Title（参考訳）: Box-WAM:世界行動モデルのためのコンパクトな状態表現としてのボックス軌道
• Abstract要約: 我々は,タスク関連ob-jectの向き付きボックストラジェクトリで,高密度な将来のフレームを置き換えたBoxWAMを提案する。 ボックス軌道予測は,動作予測性能を改善しつつ,コンポジションコストを大幅に低減することを示す。
• 参考スコア（独自算出の注目度）: 21.074034866667787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World action models (WAMs) are a category of policy models that ex- plicitly predict both actions and future world states. They have been shown to outperform action-only models across various robotic manipulation tasks. How- ever, representing the future with full-frame video prediction can be computation- ally expensive during both training and inference. This raises a central question: what compact state representation preserves the planning and supervision bene- fits of future prediction? In this paper, we propose BoxWAM, which replaces dense future frames with oriented bounding box trajectories of task-relevant ob- jects. By explicitly imagining object-centric future motion, our method provides a lightweight prediction target that captures the key physical changes induced by robot actions. We show that box trajectory prediction substantially reduces com- putational cost while improving action prediction performance, suggesting that object-centric compact states can serve as an efficient alternative to video-based world action modeling for robotic manipulation. Result videos can be found on https://box-wam.github.io
• Abstract（参考訳）: 世界行動モデル(英: World Action Model、WAM)は、政策モデルの一つで、行動と将来の世界状態の両方を積極的に予測する。 様々なロボット操作タスクにおいて、アクションのみのモデルよりも優れていることが示されている。 フルフレームのビデオ予測で未来を表現する方法は常に、トレーニングと推論の両方で計算コストがかかる。 これは、どのようなコンパクトな状態表現が計画と監督の便益を保存し、将来の予測に適合するかという、中心的な疑問を提起する。 本稿では,タスク関連ob-jectの配向ボックストラジェクトリに,高密度な将来のフレームを置き換えたBoxWAMを提案する。 オブジェクト中心の将来の動きを明示的に想像することにより,ロボットの動きによって引き起こされる重要な物理的変化を捉える軽量な予測対象を提供する。 ボックス軌道予測は、動作予測性能を改善しつつ、コンポジションコストを大幅に削減し、ロボット操作のためのビデオベースの世界行動モデリングの代替として、オブジェクト中心のコンパクトな状態が有効であることを示す。 結果のビデオはhttps://box-wam.github.io.comで見ることができる。

関連論文リスト

• DELE-w0.5: Inferring Action from Future Latent State for Robotic Manipulation [11.665741844323984]
  我々は、ビデオ生成がワールドアクションモデリングの不要な目的であると主張している。 ロボット操作においては、世界モデルの目的は、中間の瞬間に世界がどのように見えるかを再現するのではなく、アクションの実行後に世界が到達する状態を予測することである。 本稿では,映像生成に頼らずに将来予測状態からロボット動作を推定するDELE-w0.5を提案する。
  論文  参考訳（メタデータ） (2026-08-22T18:17:36Z)
• World Action Models: A Survey [100.95337034529263]
  ワールドアクションモデル(World Action Models, WAM)は、将来を予測できる予測モデルである。 近年のWAMは大規模なビデオ生成モデルを再利用しており、並列線はビデオ生成コアを持たない言語や視覚言語によるバックボーンに依存している。 この調査は、フィールドに共通の説明を与えます。まず、これらの境界を明確にし、2つの補完的な視点で既存の作業を整理します。
  論文  参考訳（メタデータ） (2026-06-18T17:05:19Z)
• From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation [88.39072412680633]
  将来の映像を実行可能な表現に変換する制御指向インタフェースであるMoLAを提案する。 我々は,シミュレーションベンチマークと実世界のロボット操作タスクに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2026-05-12T14:15:16Z)
• GigaWorld-Policy: An Efficient Action-Centered World--Action Model [50.107640832046464]
  GigaWorld-Policyはアクション中心のWAMで、2Dピクセルアクションのダイナミクスを学習し、オプションのビデオ生成で効率的なアクションデコーディングを可能にする。 実世界のロボットプラットフォームでの実験結果によると、GigaWorld-Policyは主要なWAMベースラインであるMotusの9倍高速で動作する。
  論文  参考訳（メタデータ） (2026-03-18T00:52:02Z)
• Physical Autoregressive Model for Robotic Manipulation without Action Pretraining [65.8971623698511]
  我々は、自己回帰ビデオ生成モデルを構築し、物理自己回帰モデル(PAR)を提案する。 PARは、アクション事前トレーニングを必要とせず、物理力学を理解するために、ビデオ事前トレーニングに埋め込まれた世界の知識を活用する。 ManiSkillベンチマークの実験は、PARがPushCubeタスクで100%の成功率を達成したことを示している。
  論文  参考訳（メタデータ） (2025-08-13T13:54:51Z)
• ProphetDWM: A Driving World Model for Rolling Out Future Actions and Videos [13.630119246378518]
  我々は、世界モデルを駆動するには、アクションコントロールとアクション予測の2つの追加能力が必要であると論じる。 ProphetDWMは、未来のビデオやアクションを共同で予測する新しいエンド・ツー・エンドの運転世界モデルである。
  論文  参考訳（メタデータ） (2025-05-24T11:35:09Z)

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。