論文の概要: Unifying Embodied Foundation Models via a Model-to-Policy Formulation

• arxiv url: http://arxiv.org/abs/2610.23053v1
• Date: Fri, 16 Oct 2026 07:30:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.817293
• Title: Unifying Embodied Foundation Models via a Model-to-Policy Formulation
• Title（参考訳）: モデル・ツー・ポリティクスの定式化による身体的基礎モデルの統一
• Abstract要約: ビジョンアクションモデル(VLA)とワールドアクションモデル(WAM)は、ロボットの学習と制御に対する有望なアプローチとして現れている。 本稿では,確率的カーネルに基づく基礎モデルの統一的なアーキテクチャ非依存の定式化について述べる。 我々はOpenVLAとDreamZeroの定式化をインスタンス化し、自己回帰行動予測と共同ビデオアクション生成をカバーした。
• 参考スコア（独自算出の注目度）: 1.5837772594006037
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language-action (VLA) models and world-action models (WAMs) have emerged as promising approaches to robot learning and control. These models integrate multimodal perception and action generation, but differ in their architectures, output representations, and learning objectives. In this paper, we present a unified, architecture-agnostic probabilistic formulation for embodied foundation models based on stochastic kernels. Our formulation has two key components: (i) we characterize embodied foundation models through conditional output distributions and action-realization kernels, which together induce task-conditioned robot policies; and (ii) we connect pretraining and post-training to policy deployment, accommodating model-specific pretraining objectives and offline or online post-training strategies. We instantiate the formulation for OpenVLA and DreamZero, covering autoregressive action-token prediction and joint video-action generation.
• Abstract（参考訳）: 視覚言語行動モデル(VLA)と世界行動モデル(WAM)は、ロボット学習と制御に対する有望なアプローチとして現れている。 これらのモデルはマルチモーダル認識とアクション生成を統合しているが、アーキテクチャ、出力表現、学習目標が異なる。 本稿では,確率的カーネルに基づく基礎モデルの統一的,アーキテクチャに依存しない確率的定式化について述べる。 私たちの定式化には2つの重要な要素があります。 一 条件付き出力分布と行動実現カーネルにより基礎モデルの特徴付けを行い、タスク条件付きロボットポリシーを誘導する。 (II)事前訓練と後学習を政策展開、モデル固有の事前訓練目標の調整、オフラインまたはオンライン後訓練戦略に結びつける。 我々はOpenVLAとDreamZeroの定式化をインスタンス化し、自己回帰的アクショントーケン予測と共同ビデオアクション生成をカバーした。

関連論文リスト

• GDLAM: Group-Disentangled Latent Action Model for Highly Disentangled Embodied Pretraining [57.6346031635552]
  GDLAM(Group-Disentangled Latent Action Model)は、Nグループへの構築によってコード化される潜在アクションモデルである。 GDLAMは、Modularity、MIG、DCIを含むラベルなしのアンタングルメントのメトリクスを、強力な非構造化LAMよりも広いマージンで改善する。
  論文  参考訳（メタデータ） (2026-08-10T01:38:21Z)
• From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
  アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。 世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。 我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
  論文  参考訳（メタデータ） (2026-07-13T15:22:56Z)
• World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
  VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。 彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。 成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
  論文  参考訳（メタデータ） (2026-05-12T13:10:52Z)
• Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
  ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。 連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。 複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
  論文  参考訳（メタデータ） (2026-02-04T05:37:09Z)
• FedAvgen: Metadata for Model Aggregation In Communication Systems [3.6957462300442736]
  デバイスプロファイルにおける存在多様性から生じる課題について検討する。 このアプローチは、フェデレートラーニング(federated learning)として知られ、本質的には、グローバルモデルを得るために平均された候補クライアントモデルを選択するために、異なるテクニックを使用している。 次に,FedAvg(Federated Averaging)とFedSGD(Federated Gradient Descent)という2つの広く採用されているフェデレーション学習アルゴリズムと比較した。
  論文  参考訳（メタデータ） (2025-04-28T13:11:32Z)
• [MASK] is All You Need [28.90875822599164]
  離散状態モデルを用いてMasked Generative と Non-autoregressive Diffusion を接続する。 離散状態モデルで[MASK]を活用することで、Masked Generative と Non-autoregressive Diffusion モデルを橋渡しできる。
  論文  参考訳（メタデータ） (2024-12-09T18:59:56Z)
• Revisiting Energy Based Models as Policies: Ranking Noise Contrastive Estimation and Interpolating Energy Models [18.949193683555237]
  本研究では,エネルギーベースモデル (EBM) の選択を政策クラスとして再考する。 我々は,いくつかの重要な要素を組み合わせたエネルギーモデルのための学習目標とアルゴリズムを開発する。 Inlicit Behavior Cloning (IBC) の目的が実際に人口レベルでも偏っていることを示す。
  論文  参考訳（メタデータ） (2023-09-11T20:13:47Z)
• Goal-Aware Prediction: Learning to Model What Matters [105.43098326577434]
  学習した前進力学モデルを使用する際の根本的な課題の1つは、学習したモデルの目的と下流のプランナーやポリシーの目標とのミスマッチである。 本稿では,タスク関連情報への直接的予測を提案し,そのモデルが現在のタスクを認識し,状態空間の関連量のみをモデル化することを奨励する。 提案手法は,目標条件付きシーンの関連部分を効果的にモデル化し,その結果,標準タスク非依存のダイナミックスモデルやモデルレス強化学習より優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-14T16:42:59Z)
• Control as Hybrid Inference [62.997667081978825]
  本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。 連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
  論文  参考訳（メタデータ） (2020-07-11T19:44:09Z)

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。