論文の概要: Acting Through Registers

• arxiv url: http://arxiv.org/abs/2610.17638v1
• Date: Tue, 13 Oct 2026 03:06:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 18:03:13.29862
• Title: Acting Through Registers
• Title（参考訳）: 登録を通した行為
• Abstract要約: World Action Models (WAM) は、ロボットアクションの条件付けに生成的視覚表現を使用する。 WAM表現における持続的高ノルム空間外乱を同定し, 正常化後の行動関連性は持続することを示した。 本稿では,学習可能な非空間レジスタをワールドモデルに追加し,アクションコンディショニングに直接使用するRe RegisterWAMを紹介する。
• 参考スコア（独自算出の注目度）: 58.23341709179456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World Action Models (WAMs) use generative visual representations to condition robot actions, yet how these representations organize action-relevant information remains poorly understood. We identify persistent high-norm spatial outliers in WAM representations and find that their action relevance persists even after normalization and K/V projection attenuate their extreme magnitude. Motivated by this observation, we introduce RegisterWAM, which adds learnable non-spatial registers to the world model and uses them directly for action conditioning. Registers alone do not fully eliminate spatial outliers; pairing them with observation flow-matching (FM) loss supervision suppresses spatial outliers while concentrating high-norm responses in registers. Beyond this reorganization, observation FM loss supervision also improves action learning without registers, motivating an additional noised-observation FM objective that learns current-scene recovery from corrupted inputs. The resulting model achieves 81.64\% success on LIBERO-Plus without additional embodied pretraining data or foundation models, reaches 93.0\% average success on RoboTwin 2.0, and improves real-world manipulation performance.
• Abstract（参考訳）: 世界行動モデル(WAM)は、生成的視覚表現を用いてロボットの動作を条件付けるが、これらの表現がどのように行動関連情報を整理するかは理解されていない。 We find that their action Relevance continued after normalization and K/V projection attenuation their extreme magnitude。 この観測により,世界モデルに学習可能な非空間レジスタを追加し,アクションコンディショニングに直接使用するレジスタWAMを導入した。 観測フローマッチング(FM)損失監視と組み合わせることで、レジスタ内の高ノルム応答を集中しながら、空間異常を抑えることができる。 この再編成の他に、観測FM損失監視はレジスタなしのアクション学習を改善し、劣化した入力から現在の状況回復を学習する、追加のノイズ観測FM目標を動機付けている。 その結果、LIBERO-Plusでの81.64\%の成功を、追加の具体的事前学習データや基礎モデルなしで達成し、RoboTwin 2.0で平均93.0\%の成功を達成し、実世界の操作性能を改善した。

関連論文リスト

• Causally Debiased Latent Action Model for Embodied Action Conditioned World Models [47.281442841934876]
  行動条件付き世界モデル(ACWMs)は、身体的行動に基づく将来の観測をシミュレートすることを目的としている。 既存のLAMは、通常、再構築のみの目的で訓練される。 LAMベースのACWMのための因果脱バイアスフレームワークCD-LAMを提案する。
  論文  参考訳（メタデータ） (2026-07-10T08:20:27Z)
• ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control [54.267632784131415]
  ReactiveBFMは、ヒューマノイドのためのリアルタイムループ計画制御フレームワークである。 定期的なプレフィックスサンプリングカリキュラムを通じて、致命的な累積露光バイアスを軽減する。 これは、テキスト条件付きクローズドループ運動の膨大なレパートリーにおいて、前例のない物理的機敏さを示す。
  論文  参考訳（メタデータ） (2026-06-29T14:27:27Z)
• World Action Models Enable Continual Imitation Learning with Recurrent Generative Replays [20.499876853160206]
  世界行動モデル(WAM)は将来の視覚的観察を生成することができる。 Recurrent Generative Replay (REGEN)を提案するために,この生成機能を活用している。 REGENは、以前のタスク命令と現在のタスク観察にのみ条件付けられた擬似再生軌道を合成する。
  論文  参考訳（メタデータ） (2026-06-25T17:59:56Z)
• RECALL: Recovery Experience Collection for Active Lifelong Learning in Vision-Language-Action Models [1.7157586976839874]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルに対するアクティブかつ連続的な学習パラダイムを提案する。 我々は、アクティブで不確実性の誘導されたデータ収集が、パッシブ・コレクト・デモを使用する場合よりも、より効率的な微調整をもたらすことを示した。 また、アクティブに収集したリカバリデータのみを微調整することで、破滅的な忘れがもたらされることもわかりました。
  論文  参考訳（メタデータ） (2026-06-22T17:12:50Z)
• Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
  Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。 表現の崩壊を防ぎ、アクション整列表現を誘導する。 コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
  論文  参考訳（メタデータ） (2026-06-18T11:25:16Z)
• Making Foresight Actionable: Repurposing Representation Alignment in World Action Models [57.23863557252883]
  World Action Models (WAMs)は、ビデオ生成モデルを使用して将来のシーンの進化をモデル化することで、ロボット操作のための有望なルートを提供する。 目に見える未来を生み出すことは 必ずしも正確な行動の抽出を 保証するとは限らない 本稿では,Action-Grounded Representation Alignmentの目的であるAGRAを提案する。
  論文  参考訳（メタデータ） (2026-06-10T15:31:25Z)
• ReViP: Reducing False Completion in Vision-Language-Action Models with Vision-Proprioception Rebalance [50.05984919728878]
  本稿では、視覚的接地と摂動下での堅牢性を高めるために、視覚-受容器リバランスを備えた新しいVLAフレームワークReViPを提案する。 具体的には、タスクステージオブザーバとして外部VLMを使用して、視覚的な観察からリアルタイムなタスク中心の視覚的手がかりを抽出する。 本稿では,オブジェクトドロップのような制御された設定を持つLIBERO上に構築された最初のFalse-Completion Benchmark Suiteを提案する。
  論文  参考訳（メタデータ） (2026-01-23T11:31:07Z)
• Vision Transformers Don't Need Trained Registers [19.41083885307305]
  希少な神経細胞の集合はトークンの高ノルム活性化を集中させる。 これらのアーティファクトを緩和するために、トレーニング不要のアプローチを作成します。 その結果,テスト時のレジスタは,テスト時のレジスタトークンの役割を効果的に担っていることが示唆された。
  論文  参考訳（メタデータ） (2025-06-09T17:59:57Z)
• Self-Supervised Models are Continual Learners [79.70541692930108]
  本研究では, 自己教師付き損失関数を連続学習のための蒸留機構にシームレスに変換可能であることを示す。 我々は,学習した表現の質を大幅に向上させる連続的自己教師型視覚表現学習の枠組みを考案した。
  論文  参考訳（メタデータ） (2021-12-08T10:39:13Z)

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。