論文の概要: Learning Intrinsic Dynamics in Latent World Models

• arxiv url: http://arxiv.org/abs/2610.21612v1
• Date: Thu, 15 Oct 2026 09:57:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.311681
• Title: Learning Intrinsic Dynamics in Latent World Models
• Title（参考訳）: 潜在世界モデルにおける固有ダイナミクスの学習
• Abstract要約: 動作予測可能性と固有力学の関係について検討する。 我々の中心的な仮説は、行動予測可能性の促進は、表現が異なる行動と結果の区別を捨てることを妨げている、というものである。 我々はConcat IDMを用いてアクション予測可能性のインスタンス化を行い、既存のオフライントラジェクトリで利用可能なアクションラベルを使用して、潜在状態からのアクションを予測し、共有エンコーダを更新する。
• 参考スコア（独自算出の注目度）: 12.965705396471392
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning intrinsic dynamics---the relationship between actions and their consequences---is essential for world models. However, visual variations unrelated to the underlying control process can obscure this relationship in learned representations. We investigate the connection between action predictability, defined as the ability to reconstruct an action from consecutive latent states, and the preservation of intrinsic dynamics. Our central hypothesis is that encouraging action predictability discourages representations from discarding the distinctions between different actions and their consequences. We provide two complementary forms of evidence for this connection. Theoretically, we derive a positive lower bound on squared inverse prediction error when the encoder merges distinguishable outcomes of different actions from the same state and appearance, and show that forward prediction can still be exact on those transitions. Empirically, controlled appearance-diversity comparisons, supervision interventions, and latent probes support the role of action prediction in preserving control-relevant transition information. We instantiate action predictability with Concat IDM, which predicts actions from concatenated latent states and updates the shared encoder using action labels already available in offline trajectories, without changing the test-time planner. Across three independent training runs on Push-T with 24 appearances, Concat IDM increases planning success from 9.1% to 77.2%; its paired improvement is 52.9 percentage points larger than that observed with a single appearance. Together, these findings support action predictability as an inductive bias toward intrinsic dynamics and demonstrate the practical benefits of Concat IDM for latent planning under visual diversity.
• Abstract（参考訳）: 内在的ダイナミクスの学習--行動と結果の関係--世界モデルに不可欠である。 しかし、基礎となる制御プロセスとは無関係な視覚的変化は、学習された表現においてこの関係を曖昧にすることができる。 本研究では,連続的な潜伏状態から動作を再構築する能力として定義された行動予測可能性と,本質的なダイナミクスの保存との関係について検討する。 我々の中心的な仮説は、行動予測可能性の促進は、表現が異なる行動と結果の区別を捨てることを妨げている、というものである。 この関係に関する2つの補完的な証拠を提供する。 理論的には、エンコーダが同一の状態と外観から異なる動作の区別可能な結果をマージした場合、正の逆予測誤差に基づいて下界を導出し、前方予測がそれらの遷移に正確であることを示す。 経験的に、制御された外見と多様性の比較、監督の介入、潜入プローブは、制御関連遷移情報の保存における行動予測の役割を支持する。 我々は、Concat IDMを用いてアクション予測可能性のインスタンス化を行い、テスト時間プランナを変更することなく、既にオフラインのトラジェクトリで利用可能なアクションラベルを使用して、連結された潜在状態からのアクションを予測し、共有エンコーダを更新する。 3つの独立したトレーニングがPush-Tで24回実施されており、Concat IDMは計画の成功率を9.1%から77.2%に引き上げている。 これらの知見は, 内在的力学に対する帰納的バイアスとして行動予測可能性をサポートし, 視覚的多様性の下での潜在計画におけるConcat IDMの実用的メリットを実証する。

関連論文リスト

• Benchmarking Generative Trajectory Models for Active-Inference Control [8.861374813557214]
  軌道上のデモンストレーションから学ぶことは、複雑なシステムの能動的推論制御への経路を提供する。 本稿では,1つの生成軌道モデルが実演から学習し,行動介入を測定するジェネラティブアクティブ推論制御(GenAIF)を紹介する。
  論文  参考訳（メタデータ） (2026-10-05T02:09:37Z)
• ATI-VLA: Action-Centric Predictive Vision-Language-Action Models via Actionable Alignment Then Adaptive Injection [58.95432059887781]
  ATI-VLAはAction-Centric Predictive Vision-Language-Actionフレームワークである。 両方のモダリティを共有潜在空間にマッピングすることで、予測観測と行動表現を一致させる。 その後、予測された観測潜伏者を明示的な予測先行として行動復号に注入する。
  論文  参考訳（メタデータ） (2026-10-01T14:12:23Z)
• EWAM: Emergent Depth-Wise Specialization in a Unified Embodied Model -- From Semantic Understanding through Visual Foresight to Action [65.7650775259592]
  視覚言語行動(VLA)ポリシーは意味理解を重視し、世界行動モデル(WAM)は環境力学の予測表現を学習する。 本研究では,アクション中心の統一型エンボディモデルであるEWAMについて述べる。
  論文  参考訳（メタデータ） (2026-09-30T15:35:53Z)
• UniMPA: A Unified Memory-Prediction-Action Model via Action-Grounded Transition Modeling [73.35395707747456]
  ビジョン・ランゲージ・アクションモデルの最近の進歩はロボット操作を改善しているが、基本的な遷移実現可能性のギャップによって観察・行動学習は制限されている。 将来の観測は、物理的に実現可能な遷移と必ずしも一致しない。 歴史的に実行可能なアクションパターンは、現在のシーンにおける意図した遷移を必ずしも認識しない可能性があるため、コンテキスト対応の適応が必要である。
  論文  参考訳（メタデータ） (2026-09-10T17:45:03Z)
• Overcoming Statistical Bias in Action-Controllable World Models [18.890337378174678]
  アクション条件付き世界モデルは、エージェントのアクションの下で視覚環境がどのように進化するかを予測することを目的としている。 将来のフレームは、しばしば視覚的慣性や反復的な動きパターンから非常に予測可能である。 アクション制御性を高めるために,CoCoという対実整合性フレームワークを紹介した。
  論文  参考訳（メタデータ） (2026-08-05T10:10:36Z)
• SegDiff: Segmented Trajectory Diffusion for Consistent and Adaptive Robot Manipulation [65.81476183180527]
  両パラダイムの長所を統合するクローズドループビズモータポリシであるSegDiffを紹介する。 SegDiffはデモをキーセグメンテーション間で動作セグメントに分解し、現在の状態から次のキーセグメンテーションまでの連続的な軌跡を予測することを学習する。 SegDiffは、さまざまなシミュレートされた実世界のシナリオにおいて、既存のアプローチよりも大きなパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2026-07-13T02:48:03Z)
• Learning When to Listen: Gated Affect Fusion for Human Motion Prediction [0.0]
  本研究では,感情条件付き予測システムの有用性と時間的制約について検討する。 本稿では,Gated Affect Transformer (GAT)を導入し,モーダル情報の流れを動的に制御する。 以上の結果から, 顔への影響は相補的行動の手がかりとみなす必要があるという実証的証拠が得られた。
  論文  参考訳（メタデータ） (2026-07-01T00:47:02Z)
• Is the Future Compatible? Diagnosing Dynamic Consistency in World Action Models [28.165928090888986]
  世界行動モデル(WAM)は、将来の観察と行動を予測することにより、想像上のロールアウトを通じて意思決定を可能にする。 動作状態の整合性、予測された動作と誘導された状態遷移の整合性を、WAMの信頼性の欠如の軸として同定する。 テスト時間選択のための価値のないコンセンサス戦略を導入し、予測される未来間での合意によって、候補のロールアウトをランク付けする。
  論文  参考訳（メタデータ） (2026-05-08T09:44:43Z)
• Motion-Scenario Decoupling for Rat-Aware Video Position Prediction: Strategy and Benchmark [49.58762201363483]
  本研究では,個人や環境の影響要因を考慮し,生物ロボットの動き予測データセットであるRatPoseを紹介する。 本稿では,シナリオ指向とモーション指向を効果的に分離するDual-stream Motion-Scenario Decouplingフレームワークを提案する。 難易度が異なるタスクに対して,提案したtextitDMSD フレームワークの大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2023-05-17T14:14:31Z)
• Disentangling Action Sequences: Discovering Correlated Samples [6.179793031975444]
  我々は、データ自体が要因ではなく非絡み合いにおいて重要な役割を担い、非絡み合い表現は潜在変数とアクションシーケンスとを一致させることを示した。 本稿では,アクションシーケンスをステップバイステップで切り離すための新しいフレームワークFVAEを提案する。 dSprites と 3D Chairs の実験結果から, FVAE は絡み合いの安定性を向上させることが示された。
  論文  参考訳（メタデータ） (2020-10-17T07:37:50Z)

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。