論文の概要: Back to the Future: Reverse-Consequence Modeling for Long-Horizon Particle Dynamics

• arxiv url: http://arxiv.org/abs/2610.18168v1
• Date: Tue, 13 Oct 2026 11:12:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.600937
• Title: Back to the Future: Reverse-Consequence Modeling for Long-Horizon Particle Dynamics
• Title（参考訳）: 未来へ:長軸粒子のリバース・コンシークエンス・モデリング
• Abstract要約: 自己回帰モデルは本質的に累積誤差に悩まされ、長い水平ロールアウトで深刻なドリフトを引き起こす。 本稿では,従来の前方予測パラダイムを逆転するケースケードアプローチであるReStepを提案する。 ReStepはより優れた長期精度を実現し、リバース・コンセレンス・モデリングによるエラーの蓄積を実質的に軽減する。
• 参考スコア（独自算出の注目度）: 20.85652461376554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate prediction of object trajectories is fundamental to mechanical understanding and robotic control. However, autoregressive models inherently suffer from cumulative errors, leading to severe drift in long-horizon rollouts. Observing that in many physical systems with dissipative or convergence-to-rest behavior, the final states are often more predictable than transient dynamics (e.g., a sliding object resting under friction or a pendulum stabilizing at equilibrium), we propose ReStep, a cascaded approach that reverses the conventional forward-prediction paradigm. ReStep first employs a stochastic model to directly predict the final state, then leverages Anchored Diffusion to generate goal-conditioned intermediate trajectories. By conditioning on both ''boundary states'', it effectively constrains dynamics and reduces uncertainty, producing physically plausible and temporally coherent transitions. We further integrate ReStep dynamics as the physical engine within a 3D Gaussian Splatting pipeline, enabling a unified physical-visual framework for intuitive inference from images. Extensive experiments on diverse rigid and non-rigid collision datasets show that ReStep achieves superior long-term accuracy, substantially mitigating error accumulation via reverse-consequence modeling.
• Abstract（参考訳）: 物体軌道の正確な予測は機械的理解とロボット制御の基礎となる。 しかし、自己回帰モデルは本質的に累積誤差に悩まされ、長い水平ロールアウトで深刻なドリフトを引き起こした。 散逸的・収束的挙動を持つ多くの物理系において、最終状態は過渡的ダイナミクス(例えば、摩擦下で休息するすべり物体や平衡で安定化する振り子)よりも予測可能であることがよく確認され、従来の前方予測パラダイムを逆転するカスケードアプローチであるReStepを提案する。 ReStepはまず、最終状態を直接予測するために確率モデルを使用し、次にAnchored Diffusionを利用してゴール条件の中間軌道を生成する。 両方の「境界状態」を条件付けすることで、動的を効果的に制約し、不確実性を低減し、物理的に可算かつ時間的に一貫性のある遷移を生み出す。 さらに,ReStepのダイナミックスを物理エンジンとして3次元ガウススプラッティングパイプラインに統合し,画像からの直感的推論のための物理視覚フレームワークを統一する。 多様な剛性および非剛性衝突データセットに関する広範囲な実験により、ReStepはより優れた長期精度を達成し、逆連続モデリングによるエラーの蓄積を実質的に軽減することを示した。

関連論文リスト

• Markovian Dynamics Enforcer: Feasibility Preserving Correction on Learned Dynamics Manifolds [9.895328002477754]
  状態遷移提案を学習可能な動的多様体にマッピングするためにマルコフ力学エンコーサー(MaDE)を導入する。 MaDEは、完全に指定されたシミュレートされたシステム上で、動的残差を本質的にゼロに駆動する。 平均変位誤差は1.57から1.83に上昇する。
  論文  参考訳（メタデータ） (2026-09-30T14:57:24Z)
• Improving Reduced-Order Rotating Detonation Engine Models with Data Assimilation and Machine Learning [2.225353152447347]
  1次元コッホ・クッツモデルのような低次モデルでは波動の動きを捉えるが、高周波コンテンツに対する表現性が欠如している。 連続データ同化(ニュジング)を用いて,Koch-Kutzソルバと処理された高忠実度温度データとを同期させる。 強度が増大するにつれて、縮小されたモデルが高忠実度軌道に徐々に描画される。
  論文  参考訳（メタデータ） (2026-09-14T19:05:23Z)
• Cycle-World: Mitigating Error Accumulation in Long-term Video World Models via Reverse-Prediction Cycle Consistency [123.12549538776109]
  Cycle-Worldは、安定的で時間的に一貫した長ビデオ生成のために設計されたフレームワークである。 提案手法は,トレーニング段階と推論段階の両方に厳密な時間的可逆性を付与することにより,誤差の漂流に対処する。 VBenchベンチマークの実験では、Cycle-Worldの2相相相のシナジーがエラードリフトを著しく緩和することを示した。
  論文  参考訳（メタデータ） (2026-07-13T17:27:13Z)
• PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
  既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。 我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。 本手法は,結合予測システムの長期安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2026-05-09T13:12:33Z)
• LaWM: Least Action World Models for Long-Horizon Physical Consistency from Visual Observations [9.35652906982887]
  学習された視覚的潜伏空間における最小アクションの原理を運用するためのラストアクション世界モデル(LaWM)を提案する。 LaWMは、学習された一般化された座標に観測を符号化し、連続的な潜伏状態上で潜在離散ラグランジアンを学ぶ。 遷移は離散的な変動原理によって誘導されるため、LaWMは長期の視覚予測のための構造保存バイアスを提供する。
  論文  参考訳（メタデータ） (2026-05-08T07:03:13Z)
• Detecting Deepfakes via Hamiltonian Dynamics [58.881686693914446]
  本稿では,静的パターン認識から動的安定性解析へ移行するディープフェイク検出の新しい視点を提案する。 私たちのアプローチは、物理学にインスパイアされた先駆者によって動機付けられています。 Hamiltonian Action Anomaly Detection (HAAD) は、最先端のベースラインの評価に優れる。
  論文  参考訳（メタデータ） (2026-05-06T01:55:38Z)
• i-PhysGaussian: Implicit Physical Simulation for 3D Gaussian Splatting [60.46736489360263]
  i-PhysGaussian は 3D Gaussian Splatting (3DGS) と暗黙のMaterial Point Method (MPM) を結合するフレームワークである。 明示的な方法とは異なり、我々の解は運動量-平衡残差を最小化することでステップの終了状態を得る。 結果は、i-PhysGaussianは明示的なベースラインよりも最大20倍の時間ステップで安定性を維持することを示した。
  論文  参考訳（メタデータ） (2026-02-19T06:38:35Z)
• Semantic Belief-State World Model for 3D Human Motion Prediction [0.0]
  本研究では,人間の動作予測を人体多様体上の潜在力学シミュレーションとして再構成するセマンティック・リーフ・ステート・ワールド・モデルを提案する。 SBWMは、モデルに基づく強化学習のために開発された信念状態の世界モデルにインスパイアされ、潜伏遷移とロールアウト中心のトレーニングを人間の動作領域に適用する。
  論文  参考訳（メタデータ） (2026-01-07T02:06:26Z)
• Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
  コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。 我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。 トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
  論文  参考訳（メタデータ） (2025-08-11T09:03:10Z)
• PMGS: Reconstruction of Projectile Motion across Large Spatiotemporal Spans via 3D Gaussian Splatting [9.314869696272297]
  本研究では,3次元ガウス散乱によるプロジェクタイルの再構成に着目したPMGSを提案する。 本稿では,ニュートン力学を橋渡し,ポーズ推定を行う加速度制約を導入し,運動状態に基づいて学習率を適応的にスケジュールする動的シミュレート変形戦略を設計する。
  論文  参考訳（メタデータ） (2025-08-04T17:49:37Z)

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。