論文の概要: Latent Projection for Latent Planning

• arxiv url: http://arxiv.org/abs/2610.26979v1
• Date: Mon, 19 Oct 2026 01:51:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.413006
• Title: Latent Projection for Latent Planning
• Title（参考訳）: 潜在計画の潜在計画
• Abstract要約: 本研究では,ワールドモデルトレーニング中の崩壊を防止する正規化器が,信号を持たない方向のばらつきを促進することを示す。 我々は、同じ正規化器が、その雑音を潜伏させる構造も提供することを示した。 我々は6つの環境にまたがって評価を行い、2次元ナビゲーションタスクであるTwoRoomとPointMazeに大きな効果を示した。
• 参考スコア（独自算出の注目度）: 1.4999135619439707
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent world models let an agent plan in latent space. The planner searches for an action sequence that minimizes a cost, and that cost is often the $\ell_2$ distance between the predicted terminal latent and the goal latent. The latent, however, is partly noise: the regularizer that prevents collapse during world model training promotes variance in the directions carrying no signal. We show that the same regularizer also supplies the structure to prune that noise in the latent. SIGReg drives the latent marginal to a standard Gaussian at every step, and assuming further that the latent sequence is a Gauss-Markov process, the transition is linear with its covariance pinned by the map itself, $z' \mid z \sim \mathcal{N}(Az,\, I - AA^\top)$. Fitting the state dynamics $A$ therefore yields the covariance at no additional cost, and in its eigenbasis each latent direction carries its own uncertainty. Furthermore, constraining $A$ to be a normal matrix fixes that basis across timesteps, so one eigenbasis measures the uncertainty over an arbitrary number of steps and serves as a stable basis to compute the planning cost on. We then restrict the $\ell_2$ cost to the $k$-dimensional subspace the state dynamics carry forward with the least uncertainty. The correction is post hoc: the encoder, the predictor, the rollout, and the planner are all left untouched, and only a single constrained matrix, $A$, is fit. We evaluate across six environments and show large gains on the 2D navigation tasks, TwoRoom and PointMaze, raising success rate over the plain $\ell_2$ cost by up to $+54.7$ points under a harder planning setting. Code is available at https://github.com/yjang43/lp2.
• Abstract（参考訳）: ラテント・ワールド・モデルはエージェント・プランをラテント・スペースに配置する。 プランナーはコストを最小限に抑えるアクションシーケンスを探索し、そのコストは予測終端潜時と目標潜時の間の$\ell_2$距離であることが多い。 ワールドモデルトレーニング中の崩壊を防ぐ正規化器は、信号を持たない方向のばらつきを促進する。 我々は、同じ正規化器が、その雑音を潜伏させる構造も提供することを示した。 SIGReg はすべてのステップにおいて、潜在極限を標準ガウス過程に推し進め、さらに、潜在列がガウス-マルコフ過程であると仮定すると、遷移は、その共分散が写像自身によって固定された、$z' \mid z \sim \mathcal{N}(Az,\, I - AA^\top)$ で線型である。 したがって、状態力学を$A$にすると余分なコストで共分散が発生し、その固有ベイジでは各遅延方向が独自の不確実性をもたらす。 さらに、通常の行列として$A$を制約すると、その基底をタイムステップで固定するので、ある固有基底は任意のステップ数に対する不確実性を測り、計画コストを計算する安定な基底として機能する。 次に、$\ell_2$コストを、状態力学が最小の不確実性で前進する$k$-次元部分空間に制限する。 訂正はポストホックで、エンコーダ、予測器、ロールアウト、プランナーはすべて無タッチのままで、制約付き行列はたった一つの$A$のみ適合する。 我々は6つの環境において評価を行い、2DナビゲーションタスクであるTwoRoomとPointMazeの大幅な向上を示し、より厳しい計画条件の下で、通常の$\ell_2$よりも最大で$54.7$ポイントの成功率を高めた。 コードはhttps://github.com/yjang43/lp2.comから入手できる。

関連論文リスト

• Rare Gate Disagreements Can Limit Plasticity: When Gradient Flow Mispredicts Finite-Batch SGD [18.94199732493573]
  人口勾配の流れは、ニューラルネットワークがどのように適応するかを推論するための一般的なツールである。 有限バッチ勾配勾配を誤予測できることが示される。
  論文  参考訳（メタデータ） (2026-10-08T08:22:35Z)
• Decay versus dephasing in Rydberg analog optimization: exchange rate, mechanism, and schedule design [0.05427878000393745]
  ノイズレスリドバーグ原子最適化はデコヒーレンスとデフォーカスの観点から研究されている。 一階摂動理論はノイズのない伝播だけで$$を再現する。 コストモデル全体がノイズを伴わないため、ノイズのないシミュレーションをすることなく、スケジュールをデバイスのチャネルミックスに調整することができる。
  論文  参考訳（メタデータ） (2026-08-30T15:41:02Z)
• Linear RNN Scaling Laws: When Longer Sequences Beat More Sequences [17.927451930317197]
  自己回帰言語モデルの実証的なスケーリング法則は、予測損失をモデルサイズ、データサイズ、最適化計算に関連付ける。 本研究では,安定な潜在線形RNNが軌道を発生し,スケッチされた線形リカレント学習者は,次の予測に基づいて,安全でフルバッチなWSD勾配勾配で学習する,学習可能な教師-学生モデルを用いて検討する。
  論文  参考訳（メタデータ） (2026-08-23T13:37:15Z)
• Asymptotic-Preserving A Posteriori Analysis of Diffusion and Flow-Matching Samplers [0.6768558752130311]
  拡散及びフローマッチングサンプリングは、学習した確率フローODEを、大きなノイズスケールから小さな終端フロア($_min$)まで統合し、スコアが硬く、フローが境界層を発達させる。 特異摂動パラメータとして$_min$を扱い、どの固定ステップサンプリングが解けるかを決定する。
  論文  参考訳（メタデータ） (2026-07-05T04:48:33Z)
• Wavelet Variance Equipartition as a Threshold for World-Model Quality and Quantum Kernel TN-Simulability [0.0]
  我々はウェーブレットスケーリング指数$$を臨界診断として同定する。 振幅符号化された量子カーネルの古典的シミュラビリティのシャープな遷移境界として$=1/2$を確立する。 この分散は、厳密には$Var[X] = (d-2)$としてスケールする。
  論文  参考訳（メタデータ） (2026-05-12T05:41:12Z)
• From Continual Learning to SGD and Back: Better Rates for Continual Linear Models [50.11453013647086]
  以前見られたタスクの損失を、$k$の繰り返しの後、忘れること、すなわち、分析する。 実現可能な最小二乗の設定において、新しい最上界を創出する。 我々は、タスクを繰り返しないランダム化だけで、十分に長いタスクシーケンスで破滅的な事態を防げることを初めて証明した。
  論文  参考訳（メタデータ） (2025-04-06T18:39:45Z)
• Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit Feedback and Unknown Transition [71.33787410075577]
  線形関数近似,未知遷移,および逆損失を用いた強化学習について検討した。 我々は高い確率で$widetildeO(dsqrtHS3K + sqrtHSAK)$ regretを実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-07T15:03:50Z)
• Nearly Minimax Optimal Regret for Learning Linear Mixture Stochastic Shortest Path [80.60592344361073]
  線形混合遷移カーネルを用いた最短経路(SSP)問題について検討する。 エージェントは繰り返し環境と対話し、累積コストを最小化しながら特定の目標状態に到達する。 既存の作業は、イテレーションコスト関数の厳密な下限や、最適ポリシーに対する期待長の上限を仮定することが多い。
  論文  参考訳（メタデータ） (2024-02-14T07:52:00Z)
• Horizon-Free and Variance-Dependent Reinforcement Learning for Latent Markov Decision Processes [62.90204655228324]
  我々は,後期マルコフ決定過程(LMDP)における強化学習(RL)の文脈を考慮した後悔の最小化について検討した。 我々は,モデル最適化と値最適化の両手法でインスタンス化できる,新しいモデルベースアルゴリズムフレームワークを設計する。
  論文  参考訳（メタデータ） (2022-10-20T21:32:01Z)
• Causal Bandits for Linear Structural Equation Models [58.2875460517691]
  本稿では,因果図形モデルにおける最適な介入順序を設計する問題について検討する。 グラフの構造は知られており、ノードは$N$である。 頻繁性(UCBベース)とベイズ的設定に2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-26T16:21:31Z)

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。