論文の概要: CausGround: Causal Interaction Grounding for Adaptive Embodied Planning

• arxiv url: http://arxiv.org/abs/2610.29702v1
• Date: Wed, 21 Oct 2026 13:16:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.369645
• Title: CausGround: Causal Interaction Grounding for Adaptive Embodied Planning
• Title（参考訳）: CausGround:適応型身体計画のための因果的相互作用グラウンド
• Abstract要約: CausGroundは、インタラクション体験を再利用可能なアクション中心因果知識に蒸留するフレームワークである。 ClausGroundはアクションの前提条件と効果を特定し、それらを分解された世界状態の表現として整理する。 シミュレーションされた高レベル計画、対話推論、実世界のロボット操作について、CausGroundを評価した。
• 参考スコア（独自算出の注目度）: 17.589774567984684
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal large language models (MLLMs) show promising reasoning capabilities, but reliable physical interaction requires planning that accounts for when actions are executable and how they change the world. These preconditions and effects are environment-dependent and often not captured by MLLMs, making adaptation challenging. Yet existing approaches either require costly environment-specific training or rely on unstructured interaction experience that is difficult to reuse. Therefore, we introduce CausGround, a non-parametric causal interaction grounding framework that distills interaction experience into reusable action-centered causal knowledge. CausGround identifies action preconditions and effects and organizes them in a factorized world-state representation capturing object attributes and inter-object relations. At planning time, task-relevant causal dependencies are grounded in current observations to support backward reasoning over preconditions and forward reasoning over effects for action selection and multi-step planning. We evaluate CausGround on simulated high-level planning, interaction reasoning, and real-world robot manipulation. On adapted VirtualHome and RoboCasa benchmarks, CausGround improves vision-based high-level planning across MLLM backbones, increasing average task success from 24.9% to 53.3% on VirtualHome and closed-loop planning success from 43.0% to 57.0% on RoboCasa. On SWITCH, average interaction reasoning accuracy increases from 25.8% to 31.9%, indicating improved action selection, recovery, and verification. Moreover, real-world experiments show that CausGround reasons backward from MLLM-interpreted goals to derive executable high-level action sequences for sequential manipulation. These results demonstrate that reusable action preconditions and effects support long-horizon embodied planning across diverse environments without parameter updates.
• Abstract（参考訳）: マルチモーダルな大規模言語モデル(MLLM)は、有望な推論能力を示すが、信頼できる物理的相互作用には、アクションが実行可能であり、どのように世界を変えるかを説明する計画が必要である。 これらの前提条件と効果は環境に依存しており、しばしばMLLMによって捕捉されないため、適応は困難である。 しかし、既存のアプローチでは、コストのかかる環境固有のトレーニングが必要か、あるいは再利用が難しい非構造的なインタラクションエクスペリエンスに依存しています。 そこで我々は,対話体験を再利用可能な行動中心因果知識に蒸留する非パラメトリック因果相互作用基盤フレームワークCausGroundを紹介した。 CausGroundは、アクションの前提条件とエフェクトを特定し、オブジェクト属性とオブジェクト間の関係をキャプチャする分解された世界状態表現でそれらを整理する。 計画段階では、タスク関連因果関係は現在の観察に基礎を置いて、事前条件に対する後方推論と、行動選択や多段階計画に対する効果に対する前方推論を支援する。 シミュレーションされた高レベル計画、対話推論、実世界のロボット操作について、CausGroundを評価した。 適応型VirtualHomeとRoboCasaのベンチマークでは、CausGroundはMLLMバックボーン間のビジョンベースのハイレベルプランニングを改善し、VirtualHomeでは24.9%から53.3%に、RoboCasaではクローズドループプランニングでは43.0%から57.0%に向上した。 SWITCHでは、平均的な相互作用推論精度が25.8%から31.9%に向上し、行動選択、回復、検証が改善された。 さらに、実世界の実験では、CausGroundがMLLMで解釈された目標から逆向きに理由付け、シーケンシャルな操作のために実行可能なハイレベルなアクションシーケンスを導出することを示した。 これらの結果から,再利用可能な行動条件と効果は,パラメータ更新を伴わない多種多様な環境にまたがる長期計画を支援することが示唆された。

関連論文リスト

• Action-Aligned Latent Planning for Versatile Humanoid Loco-Manipulation [21.141078173514227]
  多様なヒューマノイドのロコ操作のための単一の知覚的ポリシーを学ぶには、高いレベルのタスク決定を統一する必要がある。 本稿では,凍結行動基盤モデル(BFM)の潜在空間を共有計画表現として利用するフレームワークであるFIBERを提案する。 シミュレーションおよび実際のユニツリーG1ヒューマノイドにおけるFIBERの評価を行った。
  論文  参考訳（メタデータ） (2026-10-17T12:59:06Z)
• AWAM: Active Trajectory-Conditioned View Imagination for Robust Robot Manipulation [28.884997752141675]
  AWAMは、行動する前に計画された軌道に沿って何を見るかを観察し、想像する計画を立てている。 AWAMは、LIBERO-Occで75.9%、LIBERO-Plusで62.4%、RLBench-OG Occlusion1で76.5%、実ロボット試験で94.4%の競争成功率を記録した。
  論文  参考訳（メタデータ） (2026-10-16T12:53:08Z)
• ProAct-VLM: Pre-Failure Vision-Language Task Replanning with Continuous Perception Feedback [1.6590770361612988]
  長期のロボットタスクは、予期せぬ環境変化に対して脆弱である。 従来のルールベースの意思決定パイプラインは、オープンワールド環境では不安定である。 ProAct-VLMは、適応的で物理的に基盤付けられたタスク計画フレームワークである。
  論文  参考訳（メタデータ） (2026-09-29T14:30:35Z)
• WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
  行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。 物理シミュレータが期待する観測能力を用いてACWMを評価する。 WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
  論文  参考訳（メタデータ） (2026-08-10T08:48:06Z)
• From Perception to Action: An Interactive Benchmark for Vision Reasoning [51.11355591375073]
  Causal Hierarchy of Actions and Interactions (CHAIN)ベンチマークは、モデルが物理的制約に基づいて構造化されたアクションシーケンスを理解し、計画し、実行できるかを評価するために設計された。 CHAINは、受動的知覚からアクティブな問題解決、機械パズルのインターロックや3D積み重ね、パッキングといったタスクへと評価をシフトする。 以上の結果から,トップパフォーマンスモデルでは,物理構造や因果制約の内在化に苦慮し,信頼性の高い長期計画の作成に失敗することが多く,認識された構造を効果的に翻訳することができないことが示唆された。
  論文  参考訳（メタデータ） (2026-02-24T15:33:02Z)
• What-If Analysis of Large Language Models: Explore the Game World Using Proactive Thinking [50.72154186522052]
  大規模言語モデル(LLM)は情報処理をリアクティブに行う能力に優れるが、仮説的未来を体系的に探索する能力に欠ける。 提案するWiA-LLMは,LLMにプロアクティブな思考能力を持たせる新しいパラダイムである。 複雑なマルチプレイヤーゲーム環境であるHonor of KingsにおけるWiA-LLMを検証する。
  論文  参考訳（メタデータ） (2025-09-05T04:05:27Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)
• Closed Loop Interactive Embodied Reasoning for Robot Manipulation [17.732550906162192]
  身体的推論システムは、ロボットハードウェアと認知プロセスを統合して複雑なタスクを実行する。 そこで我々は,CLIER(Closed Loop Interactive Embodied Reasoning)アプローチを導入した。 CLIERは、非視覚的物体の特性の測定、外乱によるシーンの変化、そしてロボット行動の不確実な結果を考慮している。
  論文  参考訳（メタデータ） (2024-04-23T16:33:28Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。