論文の概要: LY-GWM-RoboCasa-Human300: Prediction-Guided Action Selection with a Graph Dynamics Model

• arxiv url: http://arxiv.org/abs/2610.23274v1
• Date: Fri, 16 Oct 2026 10:44:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.879893
• Title: LY-GWM-RoboCasa-Human300: Prediction-Guided Action Selection with a Graph Dynamics Model
• Title（参考訳）: LY-GWM-RoboCasa-Human300:グラフダイナミクスモデルによる予測誘導行動選択
• Abstract要約: LY-GWM-RoboCasa-Human300は、GR00T-N1.5アクションジェネレータ、アクション条件付きグラフダイナミクスモデル、学習されたバイナリステートリワードスコアラを組み合わせたポリシーである。 推論において、ポリシーは4つのアクションチャンクをサンプリングし、それぞれの将来の潜伏特徴とロボット状態を予測し、最も高い予測状態の報酬ロジットを持つ候補を実行する。
• 参考スコア（独自算出の注目度）: 2.7100118624704668
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present LY-GWM-RoboCasa-Human300, a policy that combines a Human300-fine-tuned GR00T-N1.5 action generator, an action-conditioned graph dynamics model, and a learned binary state-reward scorer. At inference, the policy samples four action chunks, predicts the future latent features and robot state for each, and executes the candidate with the highest predicted-state reward logit. Predictions therefore influence the actions sent to the environment. The evaluated system uses a 16-step prediction horizon and keeps all three components frozen during evaluation. In the local evaluation on 50 RoboCasa 1.0.1 tasks in the pretrain kitchen split, with 50 episodes per task, the system records 207/2,500 successes (8.28%), compared with 181/2,500 (7.24%) in the historical self-trained GR00T-N1.5 baseline. The observed difference is 26 successes, or 1.04 percentage points. The atomic group improves from 141/900 to 150/900. Separately, the RoboCasa maintainers re-evaluated the submission and reported 354/1,500 successes (23.6%) across 50 tasks, with leaderboard rates of 48.3%, 16.3%, and 3.1% for Atomic-Seen, Composite-Seen, and Composite-Unseen. The local and official results are reported separately; their difference is not attributed to a model improvement. Recorded local audits identify 212,700 changed environment-input chunks, including 28,223 in atomic tasks. We describe the actual training stages, implemented inference mechanism, evaluation provenance, and public reproduction entrypoints. These results document an active prediction-and-selection system and a positive historical difference.
• Abstract（参考訳）: 本稿では,Human300-fine-tuned GR00T-N1.5アクションジェネレータ,動作条件付きグラフダイナミクスモデル,学習2進状態回帰スコアラを組み合わせたLY-GWM-RoboCasa-Human300を提案する。 推論において、ポリシーは4つのアクションチャンクをサンプリングし、それぞれの将来の潜伏特徴とロボット状態を予測し、最も高い予測状態の報酬ロジットを持つ候補を実行する。 したがって、予測は環境に送られる行動に影響を及ぼす。 評価システムは16ステップの予測水平線を使用し、評価中に凍結した3つのコンポーネントをすべて保持する。 プレトレインキッチンでの50のRoboCasa 1.0.1タスクのローカル評価では、50回に50回、207/2,500成功(8.28%)を記録し、歴史的に訓練されたGR00T-N1.5ベースラインでは181/2,500(7.24%)を記録した。 観察された差は26点、すなわち1.04点である。 原子群は141/900から150/900に改善される。 これとは別に、RoboCasaのメンテナーは申請を再評価し、50タスクで354/1,500成功(23.6%)を報告し、リーダーボードレートは48.3%、16.3%、Atomic-Seen、Composite-Seen、Composite-Unseenの3.1%だった。 局所的な結果と公式な結果が別々に報告され、その違いはモデルの改善によるものではない。 記録されたローカル監査では、28,223の原子タスクを含む212,700の環境入力チャンクが特定されている。 本稿では,実際のトレーニングステージ,実装された推論機構,評価証明,公開再生エントリポイントについて述べる。 これらの結果は、アクティブな予測・選択システムと、ポジティブな歴史的差異を文書化する。

関連論文リスト

• LoopWAM: Closed-Loop Generalist Policy Improvement from Deployment Rollouts [56.21252928632393]
  LoopWAMは、現実世界のロールアウトから直接学習するクローズドループの世界アクションモデルである。 音源依存ノイズサンプリングは行動学習と行動条件付き世界モデリングを統合する。 ビデオトークンとアクショントークンは並列denoisingを通じて相互作用し、学習結果がアクション生成を直接通知する。
  論文  参考訳（メタデータ） (2026-10-13T17:59:56Z)
• RAP-WAM: Learning World-Action Models through Predictive Rehearsal and Action Perturbations [45.16816691251336]
  RAP-WAMは、パーターブとアクション摂動(RAP)と将来の生成とクエリを組み合わせた、ポリシー学習のための結合されたアクション投影(Coupled Action Projection)である。 予測的リハーサルは、記録された目標を保持しながらモデル生成入力を訓練し、繰り返し発生するエラーを空間的事前に蓄積する。 個別のスコアリングネットワークやデプロイメントタイムプローブは不要である。
  論文  参考訳（メタデータ） (2026-10-12T09:09:21Z)
• RSI-Anything: Unlocking Recursive Self-Improvement with World Models [76.79361510862277]
  RSI-AnythingはJEPA-Anything上に構築されたドメイン・ジェネラル・フレームワークである。 予測ワールドモデルを使用して、アクションと学習データの選択をガイドする。 コード修復では、コーダーが固定され、静的検証器で成功率は26.3%から予測選択により29.2%に増加する。
  論文  参考訳（メタデータ） (2026-10-09T17:50:30Z)
• JAMB: Joint Action-Motion Diffusion for Bimanual Manipulation [11.606498014597731]
  両腕の動きは共有された3Dシーンを変更でき、それによってもう一方の腕に影響を及ぼす。 ほとんどの拡散ポリシーは、将来の結果を明示的にモデル化せずにアクションを生成する。 行動と追跡を同時に行うことで、各人は妄想全体を通して情報を伝え、洗練することができる。 我々は,Robonono 2.0における多種多様な双方向操作タスクと実世界のロボットについて評価した。
  論文  参考訳（メタデータ） (2026-09-21T19:11:38Z)
• GE-Act 2.0: Pretraining and Scaling a World-Action Model for Robotic Manipulation [63.853929983870955]
  本稿では,ジェニー・エンスペクタ法 2.0 (GE-Act 2.0) について紹介する。 制御指向オートエンコーダ(CoAE)、ワンステップビジュアルプランナー(SVP)、逆ダイナミクスモデル(IDM)を組み合わせている。 それらのコンポーネントは、知識に整合した選択最適化(KASO)で共同で訓練され、記録された行動に適合していると判断された予測された未来のみを選択することで、ミスマッチした監視を減らす。
  論文  参考訳（メタデータ） (2026-09-04T17:16:48Z)
• WatchAct: A Benchmark for Behavior-Grounded Robot Manipulation [49.31386176285509]
  WatchActは、観察された人間の行動に基づくロボット操作のベンチマークである。 WatchActは4つの機能ドメインで14タスクにわたる3,000のロングホライゾンインスタンスで構成されている。 シミュレーションとFranka Research 3ロボットの両方で、現在のシステムはWatchActの解決には程遠い。
  論文  参考訳（メタデータ） (2026-06-24T23:13:56Z)
• Knowledge Index of Noah's Ark [63.143852586221534]
  KINAは,261分野にわたる899項目のベンチマークである。 ボーナス・オン・バートーナメントがFOSDを弱く支配していることを示す。 トップモデルであるGemini-3.1-Pro-Previewは53.17%、Claude-Opus-4.6は49.92%、GPT-5.4は48.55%に達した。
  論文  参考訳（メタデータ） (2026-06-03T17:06:49Z)

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。