論文の概要: Training Controllable World Models via Action Influence Maximization

• arxiv url: http://arxiv.org/abs/2610.27387v1
• Date: Mon, 19 Oct 2026 23:21:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.543821
• Title: Training Controllable World Models via Action Influence Maximization
• Title（参考訳）: 行動影響最大化による制御可能な世界モデルの訓練
• Abstract要約: アクション条件付きビデオ生成モデルは、成功し、ゴール指向のデモで訓練されるが、命令されたアクションを無視する傾向がある。 我々は、この指標を分析し、そのデータに基づいてトレーニングされたモデルが表現できる行動の影響を上限として証明する。
• 参考スコア（独自算出の注目度）: 31.33532451973618
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Action-conditioned video generative models trained on successful, goal-directed demonstrations tend to ignore the commanded action, rendering a plausible expert-like future regardless of what is asked of them. We trace this failure to training data that lack sufficient action influence. We analyze this metric and prove that it upper bounds the action influence that any model trained on that data can express. Expert demonstrations, whose narrow action distributions let next states be predicted without attending to the action, set a low ceiling that no amount of model capacity alone can raise. Raising it requires collecting different data. We introduce Action Influence Maximization (AIM), an algorithm for actively collecting training data for improving dataset action influence. We compare the performance and data-efficiency of AIM against exploration heuristics and intrinsic-motivation methods on simulated navigation and manipulation tasks. In pixel-based manipulation, AIM is the only method that consistently improves controllability: 500 actively collected episodes added to 3k demonstrations match a world model trained on 300k expert episodes on end-effector controllability, an $85\times$ reduction in data.
• Abstract（参考訳）: アクション条件付きビデオ生成モデルは、成功し、目標指向のデモで訓練されるが、命令されたアクションを無視する傾向がある。 この失敗を、十分なアクションの影響が欠けているトレーニングデータにトレースします。 我々は、この指標を分析し、そのデータに基づいてトレーニングされたモデルが表現できる行動の影響を上限として証明する。 専門家によるデモンストレーションでは、アクションに参加せずに次の州を予測できる狭い行動分布が示され、モデル能力だけでは上昇できないような低い天井が設定された。 レイティングには異なるデータを集める必要がある。 本稿では,データセット・アクション・インフルエンスを改善するためのトレーニングデータを積極的に収集するアルゴリズムであるAction Influence Maximization (AIM)を紹介する。 本研究では,AIMの探索的ヒューリスティックスと,シミュレートされたナビゲーションおよび操作作業における本質的なモチベーション手法に対する性能とデータ効率を比較した。 ピクセルベースの操作において、AIMは、常にコントロール可能性を改善する唯一の方法である。 3kのデモに追加された500のアクティブ収集エピソードは、エンドエフェクタ制御性に関する300kのエキスパートエピソードでトレーニングされたワールドモデルと一致する。

関連論文リスト

• Direct Experience World-Model Optimization: Learning the World Beyond Action Imitation [13.304916656517472]
  World-Action Models (WAM) は、物理的な相互作用がどのように展開されるかを予測するアクション生成を結合する。 WAMのための後処理学習パラダイムであるDirect Experience World-Model Optimization (DEWO)を提案する。
  論文  参考訳（メタデータ） (2026-09-29T12:41:41Z)
• FACT: Failure-Aware Causal Training for World-Action Models [20.123306787874828]
  最近の世界行動モデルでは、将来の予測と協調学習ポリシーは、アクション生成に物理的な優先順位を与える可能性がある。 FACTは,実行された行動に規定された今後の映像やタスクの進捗を予測する因果的ワールド・アクション・モデルである。
  論文  参考訳（メタデータ） (2026-08-10T21:10:46Z)
• Unleashing More Actions via Action Compositional Training for VLA Models [23.837636418111035]
  Vision-Language-Actionモデルは、デモデータのスケールと多様性によって駆動されるロボット操作において優れている。 オフラインデータ拡張フレームワークであるACT-VLA(Action Compositional Training for VLA Models)を提案する。 そこで本手法では,手作業によるデータ収集を不要にすることで,トレーニング分布を自動的に拡張し,過度な適合を緩和する。
  論文  参考訳（メタデータ） (2026-07-01T02:48:17Z)
• VITA-VLA: Efficiently Teaching Vision-Language Models to Act via Action Expert Distillation [76.13140980997508]
  VLA(Vision-Language Action)モデルは、事前訓練された視覚言語モデル(VLM)の強い知覚能力を活用することにより、ロボット操作を著しく向上させる。 本稿では,VLMに事前訓練された小規模な行動モデルから知識を伝達することで,動作実行能力を持たせる,簡易かつ効果的な蒸留ベースフレームワークを提案する。 5つの操作課題にわたる実世界の実験において,本手法は教師モデルより一貫して優れ,82.0%の成功率(17%改善)を達成した。
  論文  参考訳（メタデータ） (2025-10-10T17:59:56Z)
• AnyPos: Automated Task-Agnostic Actions for Bimanual Manipulation [24.199522837278128]
  本稿では,タスク固有の条件からアクション実行を分離するタスク非依存のアクションパラダイムを提案する。 ATARAはスケーラブルなセルフ教師付きフレームワークで、人間の遠隔操作と比較して30倍以上のコレクションを高速化する。 我々はArm-Decoupled EstimationとDirection-Aware Decoderを備えた逆動的モデルであるAnyPosを提案する。
  論文  参考訳（メタデータ） (2025-07-17T03:48:57Z)
• Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
  そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。 本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
  論文  参考訳（メタデータ） (2024-08-24T18:28:19Z)
• Any-point Trajectory Modeling for Policy Learning [64.23861308947852]
  我々は、ビデオフレーム内の任意の点の将来の軌跡を予測するために、ATM(Any-point Trajectory Modeling)を導入する。 ATMは、強力なビデオ事前トレーニングベースラインを平均80%上回っている。 本研究では,人間の動画やビデオからの操作スキルを,異なるロボット形態から効果的に伝達する学習方法を示す。
  論文  参考訳（メタデータ） (2023-12-28T23:34:43Z)
• Value function estimation using conditional diffusion models for control [62.27184818047923]
  拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。 拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。 本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
  論文  参考訳（メタデータ） (2023-06-09T18:40:55Z)

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。