論文の概要: Structured Latent Dynamics for Long-Horizon Embodied World Models
- arxiv url: http://arxiv.org/abs/2610.24534v1
- Date: Sat, 17 Oct 2026 07:54:17 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 11:54:36.893404
- Title: Structured Latent Dynamics for Long-Horizon Embodied World Models
- Title（参考訳）: 長軸エンボダイド世界モデルのための構造付き潜時ダイナミクス
- Abstract要約: 学習相空間におけるバックボーン潜伏体を表す構造動的フレームワークであるHWMを紹介する。
将来の状態は散逸的ハミルトン力学を通して伝播し、元の潜在表現に写像される。
制御されたシミュレーション実験により、HWMはより正確な速度、加速度、ジャークの推定値を生成することが示された。
- 参考スコア（独自算出の注目度）: 33.53977172116422
- License:
- Abstract: Reliable long-horizon prediction remains a central challenge for embodied world models. Although recent generative models can synthesize visually plausible action-conditioned futures, their latent dynamics are typically learned through unconstrained transition modules, which may gradually deviate from coherent physical evolution as predictions are recursively rolled forward. We investigate whether explicitly structuring latent state evolution can improve the stability and utility of such imagined trajectories. To this end, we introduce HWM, a structured dynamics framework that represents backbone latents in a learned phase space consisting of generalized coordinates and momenta. Future states are propagated through dissipative Hamiltonian dynamics and mapped back to the original latent representation through a learnable inverse interface. The resulting formulation can be integrated into existing world-model architectures without redesigning their perception or decoding components, while multi-step transition supervision encourages the structured rollout to remain aligned with the latent trajectories induced by real observations. Controlled simulation experiments show that HWM produces more accurate estimates of velocity, acceleration, and jerk and substantially reduces long-horizon energy drift relative to unstructured latent dynamics. We further evaluate the approach across three distinct embodied world-model settings, covering single-arm multi-view prediction with Ctrl-World, dual-arm single-view prediction with EVAC, and task-oriented single-arm prediction with Cosmos-Predict2.5-2B. On RoboCasa, incorporating HWM into Cosmos-Predict2.5-2B yields a 2.7% relative improvement in task success. On real-world AgiBot World trajectories, it improves nDTW by 9.7% with Ctrl-World and Logic by 8.4% with EVAC.
- Abstract（参考訳）: 信頼性の高い長距離予測は、いまだに具現化された世界モデルにとって中心的な課題である。
最近の生成モデルは、視覚的に可視な行動条件を持つ未来を合成することができるが、その潜在ダイナミクスは、通常、制約のない遷移モジュールを通して学習され、予測が再帰的に展開されるにつれて、コヒーレントな物理的進化から徐々に逸脱する可能性がある。
潜在状態の進化を明示的に構造化することで、そのような軌道の安定性と有用性を向上できるかどうかを考察する。
この目的のために、一般化座標とモータからなる学習位相空間において、バックボーンラテントを表す構造化動的フレームワークであるHWMを導入する。
将来の状態は散逸的ハミルトン力学を通して伝播し、学習可能な逆インターフェイスを通して元の潜在表現に写像される。
結果として得られる定式化は、認識や復号部品を再設計することなく既存の世界モデルアーキテクチャに統合することができる一方、多段階遷移監視は、実際の観測によって誘導される潜在軌道と整合性を保つよう構造化されたロールアウトを奨励する。
制御されたシミュレーション実験により、HWMは速度、加速度、ジャークのより正確な推定を行い、非構造潜在力学と比較して長い水平エネルギーのドリフトを大幅に減少させることが示された。
さらに,Ctrl-Worldによるシングルアームのマルチビュー予測,EVACによるデュアルアームの単一ビュー予測,Cosmos-Predict2.5-2Bによるタスク指向の単一アームの予測など,3つの異なる世界モデル設定に対するアプローチを評価した。
RoboCasaでは、HWMをCosmos-Predict2.5-2Bに組み込むことで、タスクの成功率が2.7%向上した。
現実世界のAgiBot Worldでは、NDTWを9.7%、Ctrl-WorldとLogicを8.4%、EVACを8.4%改善している。
関連論文リスト
- LeHami: Symplectic Latent Dynamics for World Models [48.8474710268196]
我々は、標準予測器を構造化潜在状態上の作用条件ハミルトン流に置き換えるために、シンプレクティック・ハミルトン的JEPA(LeHami)を導入する。
LeHamiは、制約のないJEPA世界モデル上での長距離速度予測を大幅に改善する。
論文 参考訳（メタデータ） (2026-10-11T01:28:41Z) - Semigroup-JEPA: Latent Dynamics Consistency for Zero-Shot Physics Generalization [32.65135632960651]
JEPA(Joint-Embedding Predictive Architecture)の世界モデルは、予測と計画をサポートする世界のコンパクトな潜在表現を学ぶ。
物理制御パラメータを時間モデルに供給することにより,LeWorldModelフレームワークを拡張したSemiGroup-JEPAを提案する。
我々は、同じ物理法則に従うにもかかわらず、定性的に異なる力学を示す異なる重力場の下で動的タスクを設計する。
論文 参考訳（メタデータ） (2026-09-09T17:08:13Z) - Drive-HWM: Hierarchical World Models for Dynamic-Latent Guided Autonomous Driving [78.83165764484562]
Drive-HWMは階層的なスローファーストな世界モデリングフレームワークで、将来の表現予測とアクション生成を補完的な時間スケールで構成する。
次のフレーム予測では、高速モデルが差し迫ったシーンの進化を捉え、一方1ステップのアクション生成は、新しい観察が到着すると、決定を継続的に更新することを可能にする。
論文 参考訳（メタデータ） (2026-09-03T09:21:19Z) - Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。
表現の崩壊を防ぎ、アクション整列表現を誘導する。
コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
論文 参考訳（メタデータ） (2026-06-18T11:25:16Z) - HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。
HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。
実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
論文 参考訳（メタデータ） (2026-05-11T17:59:56Z) - LaWM: Least Action World Models for Long-Horizon Physical Consistency from Visual Observations [9.35652906982887]
学習された視覚的潜伏空間における最小アクションの原理を運用するためのラストアクション世界モデル(LaWM)を提案する。
LaWMは、学習された一般化された座標に観測を符号化し、連続的な潜伏状態上で潜在離散ラグランジアンを学ぶ。
遷移は離散的な変動原理によって誘導されるため、LaWMは長期の視覚予測のための構造保存バイアスを提供する。
論文 参考訳（メタデータ） (2026-05-08T07:03:13Z) - Earth-o1: A Grid-free Observation-native Atmospheric World Model [81.55899748753434]
我々は、構造的制約を克服する観測ネイティブな大気圏モデルであるEarth-o1を提示する。
多様なセンサー入力を統一されたグリッドフリーな力学場に統合することにより、モデルは空間と時間の大気状態を自律的に前進させる。
本稿では,このパラダイムにより,明示的な数値解法のオーバーヘッドを伴わずに,直接的,リアルタイムな予測とクロスセンサ推論が可能となることを示す。
論文 参考訳（メタデータ） (2026-05-07T14:27:48Z) - The Global Neural World Model: Spatially Grounded Discrete Topologies for Action-Conditioned Planning [0.9137554315375919]
我々は、トポロジカル量子化を実現する自己安定化フレームワークであるGNWM(Global Neural World Model)を提案する。
JEPA(Joint-Embedding Predictive Architecture)として活動する
筆者らは, このアーキテクチャにより, 「グリッドスナッピング」 を固有誤差補正機構として利用することにより, 自己回帰ロールアウト時の多様体のドリフトを防止することができることを示した。
論文 参考訳（メタデータ） (2026-04-17T15:12:15Z) - VGGT-World: Transforming VGGT into an Autoregressive Geometry World Model [59.789011777899965]
VGGT-World(VGGT-World)は、ビデオ生成を完全にサイドステップで行い、凍った幾何学的境界モデルの特徴の時間的進化を予測する幾何学世界モデルである。
VGGT-Worldは3.6～5倍高速で、トレーニング可能なパラメータはわずか0.43Bである。
論文 参考訳（メタデータ） (2026-03-13T04:56:43Z) - ResWM: Residual-Action World Model for Visual RL [0.06999740786886534]
生の視覚観測から予測的世界モデルを学ぶことは強化学習(RL)の中心的課題である
ResWM(Residual-Action World Model、Residual-Action World Model)は、制御変数を絶対作用から残留作用に再構成する新しいフレームワークである。
ResWMはより安定的でエネルギー効率のよい行動軌跡を生み出す。
論文 参考訳（メタデータ） (2026-03-11T11:27:08Z) - Semantic Belief-State World Model for 3D Human Motion Prediction [0.0]
本研究では,人間の動作予測を人体多様体上の潜在力学シミュレーションとして再構成するセマンティック・リーフ・ステート・ワールド・モデルを提案する。
SBWMは、モデルに基づく強化学習のために開発された信念状態の世界モデルにインスパイアされ、潜伏遷移とロールアウト中心のトレーニングを人間の動作領域に適用する。
論文 参考訳（メタデータ） (2026-01-07T02:06:26Z)
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。