論文の概要: AffectWorld: Benchmarking Emotion-Driven Future World Prediction

• arxiv url: http://arxiv.org/abs/2610.18305v1
• Date: Tue, 13 Oct 2026 12:50:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.61421
• Title: AffectWorld: Benchmarking Emotion-Driven Future World Prediction
• Title（参考訳）: AffectWorld: 感情駆動型未来予測のベンチマーク
• Abstract要約: AffectWorldは3つのタスクを通じて、連鎖感情-感情-世界状態を評価するベンチマークである。 毎日1,498本のビデオサンプルには、もっともらしい感情、アクション傾向、原子世界の制約が注がれています。 233の副次的なサブセットは、固定されたシーンとイベント条件下でエージェントの感情を変えることが、アクションと結果の対応する変化をもたらすかどうかをサンプリングする。
• 参考スコア（独自算出の注目度）: 7.483489637835539
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The world encompasses both physical environments and human actors. Predicting its evolution requires understanding both physical laws and how emotions shape human actions. However, existing world model benchmarks primarily assess physical plausibility and perceptual quality, leaving emotion-driven world evolution largely untested.We introduce AffectWorld, a benchmark that evaluates the chain Emotion-Action-World State through three tasks: World-State Consistency, Emotion-Action Consistency, and Causal Consistency. It comprises 1,498 everyday video samples annotated with plausible emotions, action tendencies, and atomic world-state constraints. A counterfactual subset of 233 samples tests whether changing an agent's emotion under fixed scene and event conditions yields corresponding changes in actions and consequences. We define eight metrics across the three tasks and an additional counterfactual metric, combining automatic visual assessment with human-calibrated VLM/LLM judgments. Evaluations of five SoTA world models (e.g., Cosmos3) required world-state change scores of 0.100-0.280 and counterfactual emotion sensitivity scores of 0.027-0.070 on a [0, 1] scale. These results reveal substantial gaps in generating the consequences of emotion-driven actions and adapting future predictions to emotional interventions. AffectWorld provides a testbed for advancing world models that capture how emotions shape future physical and social states.
• Abstract（参考訳）: 世界は物理的環境と人間的アクターの両方を包含している。 その進化を予測するには、物理的な法則と感情がどのように人間の行動を形成するかを理解する必要がある。 しかし、既存の世界モデルベンチマークは、主に身体的妥当性と知覚的品質を評価し、感情駆動型世界の発展をほとんど証明していない。我々は、世界国家の一貫性、感情-行動整合性、因果一貫性の3つのタスクを通じて、連鎖感情-行動-世界状態を評価するベンチマークであるAffectWorldを紹介した。 毎日1,498本のビデオサンプルに、可愛らしい感情、アクション傾向、原子世界の制約が注釈付けされている。 233の副次的なサブセットは、固定されたシーンとイベント条件下でエージェントの感情を変えることが、アクションと結果の対応する変化をもたらすかどうかをサンプリングする。 我々は3つのタスクにまたがって8つのメトリクスを定義し、人間の校正されたVLM/LLM判定と自動視覚評価を組み合わせる。 5種類のSoTA世界モデル(例:Cosmos3)の評価では、[0, 1]スケールで0.100-0.280の世界状態変化スコアと0.027-0.070の対実感情感度スコアが必要であった。 これらの結果は、感情駆動行動の結果を生じさせ、将来の予測を情緒的介入に適応させることにおいて、かなりのギャップを生じさせる。 AffectWorldは、感情が将来の物理的および社会的状態をどのように形成するかをキャプチャする世界モデルを進めるためのテストベッドを提供する。

関連論文リスト

• AffectReveal: Event-Grounded Emotion Recognition Beyond Visual Appearances [59.819731792217915]
  事象中心感情認識(EGER)を定式化する 10,052本のビデオと10,734本の画像からなるEGER-Benchを11つの感情で構築する。 提案するAffectRevealは,まずエビデンスに基づく代替品を独立に構築・検証する,チューニング不要なフレームワークである。
  論文  参考訳（メタデータ） (2026-09-29T02:48:55Z)
• Mental World Modeling [16.554275457748606]
  メンタル・ワールド・モデリング(英: Mental World Modeling、MWM)は、メンタル変数を世界モデルのコアコンポーネントとする一般的な理論フレームワークである。 トレーニング不要で完全に検査可能なベースラインであるMENTISのフレームワークをインスタンス化する。 現代の8つのLLMベースの世界モデルを用いた実験では、人間の決定を予測するためには、精神状態を明示的にモデル化することが不可欠であることが示されている。
  論文  参考訳（メタデータ） (2026-07-29T17:59:39Z)
• Emotion is Not Just a Label: Latent Emotional Factors in LLM Processing [4.733799057798266]
  私たちは感情を、モデルがどのようにテキストに従属し、推論するかを形作る潜在要因として研究しています。 我々は、トランスモデルにおいて、感情的なトーンが注意構造を体系的にどう変化させるかを分析する。 トレーニング中に感情条件付き表現の漂流を制限する感情正規化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-10T05:23:18Z)
• Large Emotional World Model [11.842554027914515]
  世界モデルは、世界の現在の状態を理解し、将来のダイナミクスを予測するツールとして機能する。 本稿では,感情を因果関係に組み込むLarge Emotional World Model (LEWM)を提案する。 実験の結果,LEWMは感情駆動型社会的行動をより正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2025-12-30T11:26:01Z)
• WorldLens: Full-Spectrum Evaluations of Driving World Models in Real World [100.68103378427567]
  エージェントは現実的な4D駆動環境を合成し、説得力があるように見えるが、物理的または行動的に失敗することが多い。 モデルがどのように構築され、理解され、その生成された世界の中でどのように振る舞うかを評価するフルスペクトルベンチマークであるWorldLensを紹介します。 さらに、数値的なスコアとテキストの合理性を備えた人間の注釈付きビデオの大規模データセット WorldLens-26K を構築し、WorldLens-Agent を開発した。
  論文  参考訳（メタデータ） (2025-12-11T18:59:58Z)
• egoEMOTION: Egocentric Vision and Physiological Signals for Emotion and Personality Recognition in Real-World Tasks [26.06615078274544]
  egoEMOTIONは、自我中心の視覚信号と生理信号と、感情と性格の密集した自己報告を結合する最初のデータセットである。 私たちのデータセットには43人の参加者から50時間以上の録音が含まれており、MetaのProject Ariaメガネを使って撮影されています。
  論文  参考訳（メタデータ） (2025-10-25T03:04:51Z)
• WoW: Towards a World omniscient World model Through Embodied Interaction [83.43543124512719]
  世界モデルの正当性的な物理的直観は、現実世界との広範囲で因果的に豊かな相互作用に基礎を置いていなければならない。 このWoWは、200万のロボットインタラクショントラジェクトリに基づいてトレーニングされた、ジェネレーティブな世界モデルである。 WoWBenchは、ビデオの物理的一貫性と因果推論に焦点を当てた新しいベンチマークである。
  論文  参考訳（メタデータ） (2025-09-26T17:59:07Z)
• Emotionally Numb or Empathetic? Evaluating How LLMs Feel Using EmotionBench [83.41621219298489]
  心理学からの感情評価理論を用いて,Large Language Models (LLMs) の人為的能力を評価する。 我々は、研究の中心となる8つの感情を引き出すのに有効な400以上の状況を含むデータセットを収集した。 我々は世界中の1200人以上の被験者を対象に人間による評価を行った。
  論文  参考訳（メタデータ） (2023-08-07T15:18:30Z)

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。