論文の概要: Beckmann World Models: Direct Terminal-Map Learning for One-Step Action-Conditioned Prediction

• arxiv url: http://arxiv.org/abs/2610.26903v1
• Date: Fri, 16 Oct 2026 22:21:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.38135
• Title: Beckmann World Models: Direct Terminal-Map Learning for One-Step Action-Conditioned Prediction
• Title（参考訳）: Beckmann World Models: ワンステップアクション定義予測のための直接終端学習
• Abstract要約: 我々はベックマン・ワールド・モデルを紹介し、ノイズ、視覚的履歴、行動から将来のフレームへの直接的なマップを事前訓練された生成教師なしで学習する。 PushT と Robomimic Can では、最終モデルは64フレームの予測 MSE をそれぞれ 68% と 57% に削減する。 政策評価において、BWMは4フレームPushT予測あたり24.8msで評価されたモデルのうち、平均IoU誤差が0.0100で最小となる。
• 参考スコア（独自算出の注目度）: 0.1401897557816069
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Action-conditioned world models support planning and policy evaluation by predicting future states. However, learning an accurate one-step predictor can require substantial training computation. We introduce Beckmann World Models (BWM), which learn a direct map from noise, visual history, and actions to future frames without a pretrained generative teacher. We adapt the terminal-map conservation law of Beckmann Transport Models to action-conditioned video prediction, training directly from noise-data pairs without conditional populations of generated samples required by DriftWorld. However, transport consistency on interpolated inputs does not ensure accurate prediction from the pure noise used at inference. We address this gap with endpoint-aligned training that directly supervises the source prediction, emphasizes motion and spatial structure, and teaches recovery from generated histories. All components train the same map and retain one network call per future chunk. On PushT and Robomimic Can, the final model reduces 64-frame prediction MSE by 68% and 57%, respectively, relative to same-backbone regression baseline. For policy evaluation, BWM achieves the lowest mean IoU error among the evaluated models, 0.0100, at 24.8 ms per four-frame PushT prediction. On Robomimic Can, the BWM stage trained with motion supervision and generated histories achieves 3.3 times higher throughput and 78% lower peak memory than local one-step DriftWorld. In a latent-space extension to RT-1 and Bridge-V2, equal-update controls show that feature supervision under generated histories improves perceptual prediction. These findings show how terminal-map learning can combine efficient training with accurate one-step visual prediction.
• Abstract（参考訳）: 行動条件付き世界モデルは将来の状態を予測することで計画と政策評価を支援する。 しかし、正確なワンステップ予測器を学習するには、相当な訓練計算が必要である。 我々は,Buckmann World Models (BWM)を導入し,ノイズ,視覚的履歴,行動から将来のフレームへの直接的なマップを,事前学習された生成教師なしで学習する。 我々は,ベックマン輸送モデルの終端地図保存法を行動条件付きビデオ予測に適用し,DriftWorldが要求する生成サンプルの条件付き集団を含まないノイズデータペアから直接訓練する。 しかし、補間された入力に対する輸送一貫性は、推論で使われる純粋なノイズから正確な予測を保証しない。 このギャップを、ソース予測を直接監督し、動きと空間構造を強調し、生成された履歴から回復を教えるエンドポイント整列トレーニングで解決する。 すべてのコンポーネントは同じマップをトレーニングし、将来のチャンク毎に1つのネットワークコールを保持する。 PushT と Robomimic Can では、最終モデルは64フレームの予測 MSE を、それぞれ 68% と 57% に削減する。 政策評価において、BWMは4フレームPushT予測あたり24.8msで評価されたモデルのうち、最小平均IoU誤差を0.0100で達成している。 ロブミミック缶では、BWMステージはモーション監視と生成された履歴により、ローカルのワンステップDriftWorldよりも3.3倍高いスループットと78%低いピークメモリを実現している。 RT-1とBridge-V2への遅延空間拡張では、同値更新制御により、生成された履歴の下でのフィーチャの監督が知覚的予測を改善することが示されている。 これらの結果は,終末地図学習が効率的な学習と1ステップの正確な視覚的予測をどのように組み合わせるかを示す。

関連論文リスト

• 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)
• Experience-Driven Continual Learning of Terrain Traversability for Quadruped Robots [3.728185330463772]
  本稿では,ロコモーション体験を用いて,事前接触画像から対話結果の学習を行う連続学習パイプラインを提案する。 ROS2の実装は、シミュレーションとハードウェアにおけるUnitree Go2の評価をサポートし、各ドメインで個別にトレーニングされている。
  論文  参考訳（メタデータ） (2026-09-30T13:52:21Z)
• Modality-Autoregressive World-Action Models [44.96048693516864]
  我々は,行動を予測する前に,複数の将来のモダリティを自己回帰的に認知する最初のWAMであるModARを紹介する。 我々は、スクラッチからトレーニングを行い、トレーニングデータの混合、予測モダリティ、WAMの定式化がパフォーマンスにどのように影響するかを体系的に研究する。
  論文  参考訳（メタデータ） (2026-09-15T17:56:24Z)
• Next Forcing: Causal World Modeling with Multi-Chunk Prediction [65.05727210375643]
  Next Forcingは、因果世界モデリングのためのマルチチャンク予測フレームワークである。 トレーニングの高速化、精度の向上、推論の高速化を実現している。 5kのトレーニングステップでLingBot-VAよりも93.1%向上し、2.3倍高速収束を実現している。
  論文  参考訳（メタデータ） (2026-06-09T17:59:22Z)
• RIDE: An Open Dataset and Benchmark for Train Delay Prediction [1.7793982512455193]
  RIDEは、ベルギーの鉄道網上に全国規模で構築された列車遅延予測のためのオープンデータセットとベンチマークである。 94.5万の列車イベント、3.6万回の旅行、2023年から2025年までの35.7万回の気象記録をカバーしている。 生の鉄道と気象源から、再利用可能な中間関係データセットとモデル対応ベンチマークデータセットの2つのパブリックリリースまでの、階層化されたデータパイプラインとして組織されている。
  論文  参考訳（メタデータ） (2026-06-03T16:29:50Z)
• Unified Human Localization and Trajectory Prediction with Monocular Vision [64.19384064365431]
  MonoTransmotionはトランスフォーマーベースのフレームワークで、モノクロカメラのみを使用して、ローカライゼーションと予測タスクを共同で解決する。 両タスクを統合フレームワークで共同でトレーニングすることにより,ノイズの多い入力による実環境シナリオにおいて,我々の手法がより堅牢であることを示す。
  論文  参考訳（メタデータ） (2025-03-05T14:18:39Z)
• Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
  我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。 私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。 私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
  論文  参考訳（メタデータ） (2024-06-12T11:50:51Z)
• Humanoid Locomotion as Next Token Prediction [84.21335675130021]
  我々のモデルは感覚運動軌道の自己回帰予測によって訓練された因果変換器である。 われわれのモデルでは、フルサイズのヒューマノイドがサンフランシスコでゼロショットで歩けることが示されている。 われわれのモデルは、わずか27時間の歩行データで訓練された場合でも現実世界に移行でき、後方歩行のような訓練中に見えないコマンドを一般化することができる。
  論文  参考訳（メタデータ） (2024-02-29T18:57:37Z)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
  軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。 我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。 我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)

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。