論文の概要: Can World and Action Modeling Benefit Each Other under Unified Causal Training?
- arxiv url: http://arxiv.org/abs/2610.21095v1
- Date: Thu, 15 Oct 2026 01:53:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.132471
- Title: Can World and Action Modeling Benefit Each Other under Unified Causal Training?
- Title（参考訳）: 世界と行動モデリングは統一因果訓練に相応しいか?
- Abstract要約: 我々は、世界予測の条件と政策学習の目標の両方として行動を扱う、統一因果訓練のための単純なフレームワークであるOneWMを紹介した。
本研究では,特定の行動に条件付き前方運動学が行動学習を改善するか,行動生成学習が行動条件付き世界モデリングを改善するかを検討する。
- 参考スコア（独自算出の注目度）: 65.08450263867134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World and action modeling are closely related, yet their reciprocal benefits under unified causal training remain unclear. We introduce OneWM, a simple framework for unified causal training that treats actions as both conditions for world prediction and targets for policy learning within a shared video-action architecture. Using this framework, we investigate whether learning forward dynamics conditioned on specified actions improves action learning, and whether learning to generate actions in turn improves action-conditioned world modeling. We use LIBERO, LIBERO-Plus, and RoboCasa365 as embodied testbeds to evaluate both policy learning and world modeling, complemented by real-world policy experiments. Learning the visual consequences of specified actions improves policy performance and generalization across changing scenes. In turn, action learning improves multi-view world-prediction fidelity under the same architecture. Together, these results answer both questions positively, supporting reciprocal benefits between world modeling and action generation under unified causal training.
- Abstract（参考訳）: 世界と行動モデリングは密接に関連しているが、それらの相互利益は統合因果訓練下では不明確である。
我々は,アクションを世界予測の条件として扱い,共有ビデオアクションアーキテクチャ内でのポリシー学習の目標として扱う,統一因果学習のためのシンプルなフレームワークであるOneWMを紹介する。
この枠組みを用いて、特定の行動に条件づけられた前方運動の学習が行動学習を改善するか、そしてアクションを生成する学習が行動条件付き世界モデリングを改善するかを検討する。
我々は、実世界の政策実験で補完された政策学習と世界モデリングの両方を評価するために、LIBERO、LIBERO-Plus、RoboCasa365を組み込んだテストベッドとして使用しています。
特定のアクションの視覚的結果の学習は、変化するシーン間でのポリシーパフォーマンスと一般化を改善する。
逆に、アクション学習は、同じアーキテクチャの下で、マルチビューのワールドプレディションフィデリティを改善する。
これらの結果は両質問に肯定的に答え、統一因果学習における世界モデリングと行動生成の相互利益を支援する。
関連論文リスト
- Do Robotic World Models Really Follow Actions? Diagnosing and Aligning Action-Conditioned Generation for Policy Learning [53.77164209208635]
本稿では,視覚的整合性と軌跡アライメントを用いて,より広い行動分布を探索するWorldEchoを紹介する。
本稿では,3つの軸に沿った行動(分布カバレッジ,表現的接地,介入効果のアライメント)を強化するWorldSyncを提案する。
RoboTwinベンチマークと実ロボットタスクの実験は、WorldSyncがWorldEchoメトリクスを改善し、反復的なポリシー改善のためのより信頼性の高いシミュレータとして機能していることを示している。
論文 参考訳（メタデータ） (2026-08-25T17:59:49Z) - On the Capability Separation Between World-Model Policy Learning and Imitated World-Action Models [3.79187263097166]
我々は,行動閉鎖政策,模倣訓練された世界行動政策,行動条件付き世界モデルに最適化された政策を比較した。
将来の予測は、学習因子化を変えるが、制約のない外部ポリシークラスや理想的な模倣ターゲットは変えない。
論文 参考訳（メタデータ） (2026-08-23T03:25:31Z) - WAM-RL: World-Action Model Reinforcement Learning with Reconstruction Rewards and Online Video SFT [42.80852706784868]
World-Action(WA)モデルは強力な一般化能力とデータ効率を示す。
WAM-RLは世界モデルとアクションモデルの協調最適化を可能にする強化学習フレームワークである。
私たちの研究は、World-Actionパラダイムに強化学習を導入する最初のものです。
論文 参考訳（メタデータ） (2026-06-16T13:29:12Z) - WorldVLA: Towards Autoregressive Action World Model [43.74612972649639]
本稿では,行動と画像の理解と生成を統一する自己回帰行動世界モデルWorldVLAを提案する。
WorldVLAは1つのフレームワークでVision-Language-Action(VLA)モデルとWorld Modelを相互運用する。
論文 参考訳（メタデータ） (2025-06-26T17:55:40Z) - AdaWorld: Learning Adaptable World Models with Latent Actions [76.50869178593733]
我々は,効率的な適応を実現する革新的な世界モデル学習手法であるAdaWorldを提案する。
主要なアイデアは、世界モデルの事前トレーニング中にアクション情報を統合することである。
次に、これらの潜伏行動を条件とした自己回帰的世界モデルを開発する。
論文 参考訳（メタデータ） (2025-03-24T17:58:15Z) - Zero-Shot Action Generalization with Limited Observations [21.405142057056825]
強化学習(Reinforcement Learning, RL)は, 逐次的な意思決定問題の解決に成功している。
ゼロショットアクション一般化に関する以前の研究は、アクション観測の大規模なデータセットに依存していた。
我々は,限定観測による新しいゼロショット・フレームワーク,アクション・ジェネリゼーションを導入する。
論文 参考訳（メタデータ） (2025-03-11T20:14:25Z)
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。