論文の概要: EmbodiedWorld-200K: Toward Embodied World Agents via Embodied-Planning Dataset and Interactive World Models

• arxiv url: http://arxiv.org/abs/2610.25959v1
• Date: Mon, 19 Oct 2026 07:52:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 03:26:30.687895
• Title: EmbodiedWorld-200K: Toward Embodied World Agents via Embodied-Planning Dataset and Interactive World Models
• Title（参考訳）: EmbodiedWorld-200K:Embodied World Agents via Embodied-Planning Dataset and Interactive World Models
• Abstract要約: EmbodiedWorld-200Kは、さまざまなシーンにまたがる200万以上のサンプルからなる大規模なデータセットです。 各例は、低レベルカメラモーション軌跡から高レベルセマンティックインストラクションまで、多レベルアノテーションを備えている。 本稿では,ビデオワールドモデルを低コストな環境プロキシとして活用し,EWAの学習後のインタラクティブな強化学習を行う新しいトレーニング手法を提案する。
• 参考スコア（独自算出の注目度）: 0.05863360388454259
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Building embodied agents that can perceive, reason, and act across diverse 3D worlds is a central research direction toward artificial general intelligence. Yet most existing work remains confined to specific tasks in a single scene and transfers poorly to new environments, leaving general embodied agents for open-world settings under-explored. We refer to such agents as Embodied World Agents (EWAs), whose defining property is the ability to understand diverse visual environments and execute general actions in open-world conditions. To advance EWA research, we study open-world embodied navigation-planning and release EmbodiedWorld-200K, a large-scale dataset of over 200K samples spanning diverse scenes. Each example is equipped with multi-level annotations, ranging from low-level camera-motion trajectories to high-level semantic instructions. The dataset also provides unified evaluation splits and task-specific metrics, supporting offline pretraining and fair evaluation of EWAs. Beyond offline supervision, a defining characteristic of an EWA is its interaction with the environment; training solely on offline data is therefore insufficient, especially for generalizing to scenes not covered in the training distribution. Building dedicated real interactive environments, however, is often prohibitively expensive. To address this, we propose a novel training scheme that employs a video world model as a low-cost environment proxy and performs interactive reinforcement-learning (RL) post-training of the EWA within it. Empirically, pretraining on EmbodiedWorld-200K substantially improves the open-world embodied planning ability of the EWA, and further RL post-training inside a world model yields clear gains on out-of-distribution scenes. The dataset, baseline checkpoints, and training and evaluation code are available at https://xiaokunfeng.github.io/EmbodiedWorld-200K/.
• Abstract（参考訳）: 多様な3D世界における知覚、理性、行動を可能にするエンボディエージェントの構築は、人工知能への中心的な研究方向である。 しかし、既存のほとんどの作業は単一のシーンで特定のタスクに限られており、新しい環境にあまり依存せず、公開世界の設定を探索する一般的な具体的エージェントを残している。 我々は、多様な視覚環境を理解し、オープンワールドの状況下で一般的な行動を実行する能力が定義されている、Embodied World Agents (EWAs) のようなエージェントについて言及する。 EWA研究を前進させるために、オープンワールドの実施したナビゲーション計画と、多様な場面にまたがる200万以上のサンプルからなる大規模なデータセットであるEmbodiedWorld-200Kをリリースする。 各例は、低レベルカメラモーション軌跡から高レベルセマンティックインストラクションまで、多レベルアノテーションを備えている。 データセットはまた、統合された評価分割とタスク固有のメトリクスを提供し、オフラインの事前トレーニングとEWAの公正な評価をサポートする。 オフライン監視以外にも、EWAの定義する特性は環境との相互作用であり、オフラインデータのみによるトレーニングは不十分である。 しかし、実際の対話環境の構築は、しばしば違法にコストがかかる。 そこで本研究では,ビデオワールドモデルを低コストな環境プロキシとして活用し,EWAの学習後の対話型強化学習(RL)を行う,新たなトレーニング手法を提案する。 実証的に、EmbodiedWorld-200Kでの事前トレーニングは、EWAのオープンワールド実施計画能力を大幅に向上させ、さらにワールドモデル内のRLポストトレーニングは、アウト・オブ・ディストリビューションシーンにおいて明確な利益をもたらす。 データセット、ベースラインチェックポイント、トレーニングおよび評価コードはhttps://xiaokunfeng.github.io/EmbodiedWorld-200K/で利用可能である。

関連論文リスト

• InternW0: A Foundational Physical World Model for Efficient Real-World Interactions [71.6162746447152]
  上海AI研究所からInternW物理世界モデルシリーズの最初のインスタンス化であるInternW0を紹介する。 フローマッチングを伴う非対称なビデオアクションアーキテクチャにより,将来の視覚力学と連続ロボット制御を学習する。 InternW0を約7,200時間の異質なロボットとエゴセントリックなデータでトレーニングし、その中には275時間のリアルタイムなエゴセントリックなデータセットであるEgoLabが含まれています。
  論文  参考訳（メタデータ） (2026-09-23T10:20:56Z)
• OpenWAM: An Open, Modular Exploration Towards Systematic World-Action Model Pretraining [65.60703573854387]
  我々は、オープンな研究スタックであるOpenWAMを紹介し、ワールドアクション事前学習を制御された実験プログラムに変換する。 約6,400時間の人間とロボットのデータに基づいて事前訓練されたオープンWAMであるOpenWAM-は、シミュレーションと実世界のベンチマークで評価されている。
  論文  参考訳（メタデータ） (2026-09-07T12:12:32Z)
• EnvACE: Internalizing Environment Dynamics via World Rehearsal for Agentic Reinforcement Learning [57.312638079204255]
  長期ツール使用のための大規模言語モデルエージェントの訓練は、通常、実または合成可能な環境との相互作用に依存する。 本研究では,世界リハーサルのトレーニング中に外部環境の相互作用を置き換えるエージェント強化学習手法であるEnvACEを紹介する。
  論文  参考訳（メタデータ） (2026-08-06T15:54:36Z)
• State2State: Environment-Derived Mid-Training for LLM Agents [67.08889234341996]
  本研究では,エージェントが環境相互作用のみを通じてインタラクションと操作能力を取得する環境学習パラダイムについて検討する。 本研究では,調査対象の環境状態を学習目標に変換する環境学習手法であるState2Stateを提案する。 ALFWorldとScienceWorldの実験によると、State2Stateは、ほとんどの設定において、スタンドアロンの環境学習ステージとしてのエージェントパフォーマンスを改善している。
  論文  参考訳（メタデータ） (2026-08-05T15:02:41Z)
• OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration [29.764166104307932]
  本稿では,対話からオブジェクト中心のプログラミング世界モデルを学ぶエージェントOPINE-Worldを紹介する。 OPINE-Worldは25試合中20試合をゲームごとのトレーニングなしで解決し、人間のベースラインに対するアクション効率スコア78.4に達する。
  論文  参考訳（メタデータ） (2026-07-01T23:04:47Z)
• Autonomous Continual Learning of Computer-Use Agents for Environment Adaptation [57.65688895630163]
  ACuRLは自律的なカリキュラム強化学習フレームワークで、エージェントを人間データゼロの特定の環境に継続的に適応させる。 本研究では,環境内学習と環境横断学習の両方を効果的に実現し,既存の環境を忘れずに4～22%の性能向上を実現した。
  論文  参考訳（メタデータ） (2026-02-10T23:06:02Z)
• Imagined Autocurricula [37.48175026521408]
  組み込まれた環境で行動する訓練エージェントは、通常、膨大なトレーニングデータや正確なシミュレーションへのアクセスを必要とする。 オフラインで受動的に収集されたデータを活用する代替手段として、世界モデルが登場しつつある。 我々は、生成された世界に対して自動カリキュラムを誘導するIMACを提案する。
  論文  参考訳（メタデータ） (2025-09-11T23:55:39Z)
• From Ideal to Real: Unified and Data-Efficient Dense Prediction for Real-World Scenarios [66.57089888022414]
  DenseWorldは、緊急な現実世界のアプリケーションに対応する、25の密集した予測タスクの幅広いセットにまたがるベンチマークである。 次に,DenseDiTを提案する。DenseDiTは,生成モデルの視覚的先行性を利用して,統合された戦略により,多種多様な実世界の密集予測タスクを実行する。 DenseDiTは、ベースラインの0.01%未満のトレーニングデータを使用して優れた結果を得る。
  論文  参考訳（メタデータ） (2025-06-25T09:40:50Z)
• CoDEPS: Online Continual Learning for Depth Estimation and Panoptic Segmentation [28.782231314289174]
  深層学習に基づく単眼深度推定とパノプティックセグメンテーションのための連続学習をオンラインで導入する。 そこで本研究では,パノプティカルセグメンテーションに適応する擬似ラベルを生成するための新しいドメイン混合手法を提案する。 我々は,固定サイズのリプレイバッファを構築するためのサンプリング戦略を活用することで,ロボットシステムの限られたストレージ容量に明示的に対処する。
  論文  参考訳（メタデータ） (2023-03-17T17:31:55Z)

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。