Fugu-MT 論文翻訳(概要): GreenWAM: A World Foundation Model for Robotics

論文の概要: GreenWAM: A World Foundation Model for Robotics

arxiv url: http://arxiv.org/abs/2610.18774v1
Date: Tue, 13 Oct 2026 17:31:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-16 19:40:27.140951
Title: GreenWAM: A World Foundation Model for Robotics
Title（参考訳）: GreenWAM: ロボティクスのワールドファンデーションモデル
Abstract要約: ロボットは、アクションがどのようにシーンを変えるかを予測する世界モデルと、アクションを選択するポリシーが必要です。ロボット工学の世界基盤モデルであるGreenWAMと、それを作成するレシピを紹介する。ワールドモデルとして、GreenWAMはWorldArena 1.0における最上位の軌道、深度、3次元の精度を、我々の比較においてすべてのワールドアクションモデルとビデオジェネレータに先んじて達成する。 GreenWAMを本物のヒューマノイドに適合させると、$_0.5$とCosmos 3 Edgeのポリシーよりも頻繁に成功します。
参考スコア（独自算出の注目度）: 0.44040106718326594
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A robot needs a world model that predicts how its actions will change the scene and a policy that chooses those actions. Models are usually built and evaluated for only one of these roles, and every robot records its actions in its own format. We ask whether one robot world model can serve both roles across different bodies, and what makes this work. We present GreenWAM, a world foundation model for robotics, together with the recipe that produces it: (1) a shared anatomical action space that describes 20 robot families, from bimanual arms to dexterous humanoids, in common joint coordinates; (2) joint training on these families in visual, action-conditioned and world-action modes; and (3) policies that split an action expert off the generator. As a world model, GreenWAM attains top-tier trajectory, depth and 3D accuracy on WorldArena 1.0, ahead of every world-action model and video generator in our comparison. As a policy, it scores among the top entries of the RoboTwin 2.0 leaderboard, reaches the highest zero-shot LIBERO-plus success among the compared methods and is competitive with dedicated vision-language-action and world-action policies on CALVIN and LIBERO. We further adapt GreenWAM to a real humanoid, where it succeeds more often than policies adapted from $π_{0.5}$ and from Cosmos 3 Edge, and distill it into a single-step policy for real-time control. Controlled experiments yield three findings: robot specialization improves world prediction and control together; an action expert helps when split off at the start of adaptation; and keeping world-model modes during policy adaptation preserves robustness to scene changes.
Abstract（参考訳）: ロボットは、アクションがどのようにシーンを変えるかを予測する世界モデルと、アクションを選択するポリシーが必要です。モデルは通常、これらの役割の1つのみが構築され、評価される。我々は、ひとつのロボットワールドモデルが、異なる身体にまたがって両方の役割を果たすことができるかどうかを問う。ロボット工学のワールドファンデーションモデルであるGreenWAMについて,(1)両腕から器用なヒューマノイドまで20のロボットファミリーを共通座標で記述した共有解剖学的行動空間,(2)視覚的,行動条件,世界行動モードにおけるこれらの家族の協調訓練,(3)ジェネレータからアクションエキスパートを分離するポリシーについて述べる。ワールドモデルとして、GreenWAMはWorldArena 1.0における最上位の軌道、深度、3次元の精度を、我々の比較においてすべてのワールドアクションモデルとビデオジェネレータに先んじて達成する。政策としては、RoboTwin 2.0のリーダーボードのトップエントリーにランクインし、比較手法の中では最多のゼロショットLIBERO+成功点に達し、CALVINとLIBEROに関するビジョン・ランゲージ・アクションとワールド・アクション・ポリシーと競合する。さらに、GreenWAMを実際のヒューマノイドに適応させ、π_{0.5}$とCosmos 3 Edgeのポリシーよりも頻繁に成功させ、それをリアルタイム制御のための単一ステップポリシーに蒸留する。ロボットの特殊化は世界予測とコントロールを共に改善する; アクションエキスパートは適応の開始時に分割するのに役立つ; ポリシー適応中に世界モデルモードを維持することは、シーン変更に対する堅牢性を維持する。

関連論文リスト

ProWorld: Multi-View World Model with Proprioceptive Feedback for Closed-Loop Policy Evaluation [59.713058162809176]
本研究では,行動条件付き世界モデルが,実際のロボットを追従する政策成功率を持つクローズドループテスト環境として機能するかどうかを考察する。本稿では,多視点映像とロボット状態を共同で予測する世界モデルProWorldを紹介する。高忠実度シミュレーションで収集した相互作用の失敗によるトレーニングを増強し、生成環境におけるインフレーション成功率を低減させる。
論文参考訳（メタデータ） (2026-10-11T03:00:53Z)
PointWAM: 3D World Action Modeling for Dexterous Robotic Manipulation [74.3053660194713]
ポイントワールドアクションモデル(PointWAM)は,世界をシーン(環境)と手(俳優)に分解する3次元世界アクションモデルである。 PointWAMは、シーンと手が時間とともに3D空間でどのように進化するかを予測する。色付きの点雲と言語命令を与えられたPointWAMは、シーンと手が時間とともに3D空間でどのように進化するかを予測し、予測ハンドモーションをロボットのアクションに再ターゲットする。
論文参考訳（メタデータ） (2026-10-02T05:31:01Z)
AffordanceWAM: Affordance-Aware Joint World-Action Modeling for Robot Manipulation [61.436480565887905]
汎用的なロボット操作は、シーンがどのように進化するかを予測する必要がある。アクションラベル付きロボットビデオは、直接制御を監督するが、コストが高く、多様性に制限がある。本稿では,Scalr Affordance と Affordance Heatmap によるオブジェクトの空き時間を表す,空き時間を考慮した World Action Model を提案する。
論文参考訳（メタデータ） (2026-09-16T14:07:06Z)
AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization [88.25615187835321]
我々は,クロス・エボディメント・ワールド・モデリング・フレームワークであるAnyWorldを提案する。私たちのモデルは、アクション、カメラ、エンボディメントへのインタラクションを分解します。大規模なヒューマンインタラクション事前トレーニングでモデルをトレーニングする。
論文参考訳（メタデータ） (2026-08-29T12:55:15Z)
Robot-Factored World Models via Robot Rendering [25.12876640584098]
アクション条件付きビデオワールドモデルは、初期観測と行動信号から将来の観測を予測する。本研究では,ロボット特異的な2つの要素を世界モデル外へ移動させるロボット駆動世界モデルを提案する。実験により, レンダリングインタフェースはベクトル条件付きベースラインより優れており, 未知のロボットエンボディメント推論に一般化されていることがわかった。
論文参考訳（メタデータ） (2026-07-24T17:59:57Z)
OSCAR: Omni-Embodiment Action-Conditioned World Model for Robotics [6.134835623350618]
本稿では,ロボットの動作を多岐にわたって一般化し,ロボットのポリシー評価を可能にする,精密なアクション条件付きビデオワールドモデルを提案する。本モデルは,既存のベースラインと比較して,動作の追従,外観品質,動作の整合性を大幅に向上させる。さらにOSCARをデプロイして,RoboArenaからロボットポリシーを評価する。
論文参考訳（メタデータ） (2026-06-03T05:16:41Z)
FRoM-W1: Towards General Humanoid Whole-Body Control with Language Instructions [147.04372611893032]
FRoM-W1は、自然言語を用いた一般的なヒューマノイド全体の動作制御を実現するために設計されたオープンソースのフレームワークである。我々はUnitree H1とG1ロボット上でFRoM-W1を広範囲に評価した。その結果,HumanML3D-Xベンチマークにおいて,人体全体の動作生成に優れた性能を示した。
論文参考訳（メタデータ） (2026-01-19T07:59:32Z)
Dream to Manipulate: Compositional World Models Empowering Robot Imitation Learning with Imagination [25.62602420895531]
DreMaは、実世界の学習された明示的な表現とそのダイナミクスを使って、デジタル双生児を構築するための新しいアプローチである。 DreMaはタスク毎の1つの例から新しい物理タスクを学べることを示す。
論文参考訳（メタデータ） (2024-12-19T15:38:15Z)
IGOR: Image-GOal Representations are the Atomic Control Units for Foundation Models in Embodied AI [28.160367249993318]
Image-Goal Representations (IGOR)は、人間やさまざまなロボットにまたがる統一的で意味的に一貫したアクション空間を学習する。 IGORは大規模ロボットと人間の活動データ間の知識伝達を可能にする。我々はIGORが人間とロボットの知識伝達と制御の新しい可能性を開くと考えている。
論文参考訳（メタデータ） (2024-10-17T13:41:16Z)

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。