論文の概要: Vector-Quantized World Model: Latent Feedback Motion Planning for Robot Manipulation

• arxiv url: http://arxiv.org/abs/2610.25600v2
• Date: Tue, 20 Oct 2026 20:08:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.025057
• Title: Vector-Quantized World Model: Latent Feedback Motion Planning for Robot Manipulation
• Title（参考訳）: ベクトル量子世界モデル:ロボット操作のための潜在フィードバック運動計画
• Abstract要約: 本稿では,Vector-Quantized World Model (VQ-WM)を紹介する。 離散潜在予測モデルは、ベクトル量子化された潜在状態間で遷移し、プランナーははるかに先を見ることができる。 連続学習コントローラは、視覚フィードバックを通じて計画された状態に順次到達し、複雑なエラーを軽減するために偏差を補正する。
• 参考スコア（独自算出の注目度）: 3.764527259385549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual world models have shown strong potential for robot planning, yet long-horizon manipulation remains challenging due to compounding prediction errors, large search complexity, and latent plans that the low-level controller cannot reliably reach. In this work, we introduce Vector-Quantized World Model (VQ-WM), a latent feedback motion planning framework that integrates discrete long-horizon search with continuous visual feedback control: a discrete latent predictor models transitions between vector-quantized latent states, allowing the planner to look far ahead and find a shortest path to the goal through discrete search and a continuous learned controller sequentially reaches the planned states through visual feedback, correcting deviations to mitigate compounding errors. Whereas most vector quantization uses Euclidean distance, we use a novel estimator of the first-passage-time as a quasi-metric, which aligns the planning abstraction with the controller's capabilities. We evaluate on the physical robot manipulation of the Tower of Hanoi puzzle: whereas existing state-of-the-art foundation models (VLAs, WAMs) only succeed when the solution trace in their training dataset, our method achieves 100\% success rate with only short-play data, demonstrate its ability to compose long-horizon solutions beyond the short demonstrated trajectories and execute them reliably. Our solution also outperforms strongest world-models by 13.3--85.3 percentage points on simulation benchmarks spanning manipulation and locomotion, demonstrating consistent progress and new capabilities.
• Abstract（参考訳）: ビジュアルワールドモデルは、ロボット計画に強い可能性を示しているが、予測エラーの複合化、検索の複雑さの増大、低レベルコントローラが確実に到達できない潜在計画のために、長期的な操作は依然として困難である。 本研究では,ベクトル量子化世界モデル(VQ-WM)を提案する。これは,離散長軸探索と連続的な視覚的フィードバック制御を統合した潜時フィードバック運動計画フレームワークである。離散潜時予測器モデルはベクトル量子化潜在状態の間を遷移し,プランナーが離散的な探索を通じて目標への最短経路を見つけ,連続的な学習制御器は視覚的フィードバックを通じて計画された状態に順次到達し,複合的エラーを軽減するために偏差を補正する。 ほとんどのベクトル量子化はユークリッド距離を用いるが、我々は第1パスタイムの新たな推定器を準計量として使用し、計画の抽象化とコントローラの能力とを一致させる。 既存の最先端基盤モデル(VLA, WAM)は,学習データセットに解をトレースした場合にのみ成功するが,本手法は短再生データのみを用いて100倍の成功率を達成し,短時間の軌跡を超越して長い水平解を構成する能力を実証し,確実に実行することができることを示した。 我々のソリューションは、操作と移動にまたがるシミュレーションベンチマークで13.3～85.3ポイントを最強のワールドモデルより上回り、一貫した進歩と新しい機能を示している。

関連論文リスト

• LePlanner: An Iterative Amortized Controller For World Models [0.0]
  本研究では,凍結したワールドモデル予測器を用いて遅延動作シーケンスの構築と洗練を学習する,償却反復制御器LePlannerを提案する。 LePlannerは、最初期の地平線で目標に達するようコントローラに促し、そこに留まるよう、到着と保持の目的で訓練されている。 成功率はPushTが98%、Reacherが100%、TwoRoomsが100%、OGBench Cubeが92%である。
  論文  参考訳（メタデータ） (2026-09-12T10:01:21Z)
• Foresight: Failure Detection for Long-Horizon Robotic Manipulation with Action-Conditioned World Model Latents [58.49879338545782]
  ロングホライゾンタスクは、現実のロボット展開では一般的なものだが、そのようなタスクの障害検出は未調査のままである。 動作条件付き世界モデルからの潜在表現を用いて、操作軌跡をモニタする故障検出フレームワークであるForesightを提案する。 この結果から, 動作条件付きワールドモデル埋め込みは, 長距離操作における信頼性のある故障監視のためのスケーラブルな表現を提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-06-22T09:32:28Z)
• ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation [66.02142169323521]
  Vision-Language-ActionモデルとWorld Modelは最近、汎用ロボットインテリジェンスのための有望なパラダイムとして登場した。 既存のベンチマークは、主にシミュレータ中心であり、制御性を提供するが、知覚ノイズによって引き起こされる現実のギャップを捉えることができない。 シミュレーションと実世界の実行を橋渡しする標準化された評価フレームワークであるManipArenaを紹介する。
  論文  参考訳（メタデータ） (2026-03-30T15:06:41Z)
• ProgressVLA: Progress-Guided Diffusion Policy for Vision-Language Robotic Manipulation [57.07494675832939]
  ロボット操作のための既存の視覚言語アクション(VLA)モデルは、進歩意識を欠いている。 本研究では,textbf vla という新しいモデルを提案し,タスク進捗の推定と統合について検討する。 CALVINとLIBEROベンチマークの実験は、実世界のロボットの展開とともに、成功率の大幅な改善を一貫して示している。
  論文  参考訳（メタデータ） (2026-03-29T12:38:11Z)
• See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
  本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
  論文  参考訳（メタデータ） (2026-03-10T07:22:51Z)
• Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
  本稿では, 自己補正VLA (SC-VLA) を提案する。 SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
  論文  参考訳（メタデータ） (2026-02-25T06:58:06Z)
• Keypoint-based Diffusion for Robotic Motion Planning on the NICOL Robot [7.239128729983817]
  本稿では,ロボット動作計画のための新しい拡散型アクションモデルを提案する。 ディープラーニングのパワーを活用することで、はるかに小さなランタイムで良い結果を得ることができるのです。
  論文  参考訳（メタデータ） (2025-09-04T10:11:51Z)
• Towards Bio-Inspired Robotic Trajectory Planning via Self-Supervised RNN [0.8258451067861933]
  ロボット工学における軌道計画は、ロボットエージェントを初期状態から望ましい最終状態へと導く一連の関節構成を生成すると理解されている。 近年の進歩は、軌道計画がトラジェクトリの教師付きシーケンス学習によっても実行可能であることを示している。 本稿では,軌道モデル構築のための繰り返しアーキテクチャに基づく,認知にインスパイアされた自己教師型学習手法を提案する。
  論文  参考訳（メタデータ） (2025-07-02T22:05:58Z)
• Deep Active Inference Agents for Delayed and Long-Horizon Environments [1.693200946453174]
  AIFエージェントは、遅れた環境で悪化する制限である正確な即時予測と徹底的な計画に依存している。 本稿では,複数段階の遅延遷移を特徴とする生成型政治アーキテクチャを提案する。 我々は,遅延と長期化の設定で現実的な産業シナリオを模倣した環境におけるエージェントの評価を行った。
  論文  参考訳（メタデータ） (2025-05-26T11:50:22Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。