論文の概要: PhysiCalWorld: In-Context Physics Calibration for World Models

• arxiv url: http://arxiv.org/abs/2610.30125v1
• Date: Wed, 21 Oct 2026 17:57:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.471699
• Title: PhysiCalWorld: In-Context Physics Calibration for World Models
• Title（参考訳）: PhysiCalWorld:世界モデルのためのインコンテキスト物理校正
• Abstract要約: 本稿では,アクション条件付き世界モデルとインスタンス固有ダイナミクスをインコンテキストプロンプトで校正するPhysicalCalWorldを提案する。 提案手法は,テストシーン内で収集した探索的相互作用クリップを,コンパクトな物理記述子トークンに符号化する。 PhysiCalWorldは、物理ラベルなしで、遅延予測損失だけでエンドツーエンドでトレーニングされている。
• 参考スコア（独自算出の注目度）: 30.131145025297712
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing world models typically perceive a scene through current visual frame or a narrow history window. However, these observations may not reveal the physics properties that determine transition dynamics, such as an object's mass distribution, joint damping, or surface friction. Without calibrating these physics factors for world models, predictions tend to regress toward an empirical prior and induce severe drift in novel test scenes. To this end, we propose PhysiCalWorld, which calibrates action-conditioned world models to the instance-specific dynamics via in-context prompting, without fine-tuning or analytical physics modeling. Our method encodes an exploratory interaction clip collected within the test scene into a compact physics descriptor token, which grounds subsequent predictions in the scene's actual physical behavior. PhysiCalWorld is trained end-to-end with the latent prediction loss alone, without physics labels. At inference time, the descriptor token is extracted once and can be reused across rollouts with negligible compute overhead. We evaluate PhysiCalWorld across four environments covering diverse physics variations and show that it substantially improves rollout prediction accuracy and visual planning success rate. The learned descriptors also form a physically structured latent space and generalize beyond the physics ranges seen during training.
• Abstract（参考訳）: 既存の世界モデルは、通常、現在の視覚的フレームや狭い歴史の窓を通してシーンを知覚する。 しかし、これらの観測は、物体の質量分布、関節減衰、表面摩擦などの遷移力学を決定する物理特性を明らかにしないかもしれない。 これらの物理因子を世界モデルのために校正することなく、予測は経験的な事前に回帰し、新しいテストシーンで深刻なドリフトを引き起こす傾向にある。 そこで本研究では,アクション条件付き世界モデルとインコンテキストプロンプトによるインスタンス固有ダイナミクスを微調整や解析的物理モデリングなしで校正するPhysicalCalWorldを提案する。 本手法は,実験シーン内で収集した探索的相互作用クリップをコンパクトな物理記述子トークンに符号化する。 PhysiCalWorldは、物理ラベルなしで、遅延予測損失だけでエンドツーエンドでトレーニングされている。 推論時、ディスクリプタトークンは一度抽出され、無視できる計算オーバーヘッドのあるロールアウトで再利用できる。 物理の多様性を網羅した4つの環境におけるPhysicalCalWorldを評価し,ロールアウト予測精度と視覚計画成功率を大幅に向上させることを示す。 学習された記述子は、物理的に構造化された潜在空間を形成し、訓練中に見られる物理学範囲を超えて一般化する。

関連論文リスト

• PhysiFormer: Learning to Simulate Mechanics in World Space [56.16644631495]
  物理的に表現可能な3次元物体運動のための拡散変換器であるPhysorFormerを提案する。 世界座標で表される3Dメッシュとしてオブジェクトを表す。 これは、軌道精度、剛性保存、運動量に基づく物理的一貫性において、自己回帰ベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2026-06-25T17:59:00Z)
• Causal Physics Steering in Video World Models via Concept Activation Vectors [4.111899441919164]
  ビデオモデルは物理力学の表現を学習するが、推論時間における物理的な期待を制御することは未解決の問題である。 最近の解釈可能性の研究は、物理的可視性は他の視覚的特徴とは別個に表現される物理エネルジェンスゾーン(PEZ)を特定した。 本稿では,PEZ層における線形プローブの重みベクトルを概念活性化ベクトル(Concept Activation Vector, CAV)として利用し, 推論中に隠れ状態に注入する物理ステアリングについて述べる。
  論文  参考訳（メタデータ） (2026-05-23T01:02:11Z)
• PhysWorld: From Real Videos to World Models of Deformable Objects via Physics-Aware Demonstration Synthesis [52.905353023326306]
  物理的に妥当で多様な実演を合成し、効率的な世界モデルを学ぶためのフレームワークであるPhysWorldを提案する。 実験により、PhysWorldは、最新の最先端手法、すなわちPhysTwinよりも47倍高速な推論速度を実現しつつ、競争性能を持つことが示された。
  論文  参考訳（メタデータ） (2025-10-24T13:25:39Z)
• LikePhys: Evaluating Intuitive Physics Understanding in Video Diffusion Models via Likelihood Preference [57.086932851733145]
  ビデオ拡散モデルにおける直感的な物理を評価するトレーニング不要な方法であるLikePhysを紹介した。 現在のビデオ拡散モデルにおける直観的物理理解のベンチマークを行う。 経験的結果は、現在のモデルが複雑でカオス的な力学に苦しむにもかかわらず、モデルキャパシティと推論設定スケールとしての物理理解の改善傾向が明らかであることを示している。
  論文  参考訳（メタデータ） (2025-10-13T15:19:07Z)
• Physion++: Evaluating Physical Scene Understanding that Requires Online Inference of Different Physical Properties [100.19685489335828]
  この研究は、人工システムにおける視覚的身体的予測を厳格に評価する新しいデータセットとベンチマークであるPhysylon++を提案する。 正確な予測が質量、摩擦、弾性、変形性などの特性の推定に依存するシナリオをテストする。 我々は,様々なレベルの学習と組込み知識にまたがる最先端予測モデルの性能を評価し,その性能を人間の予測と比較した。
  論文  参考訳（メタデータ） (2023-06-27T17:59:33Z)
• Visual Grounding of Learned Physical Models [66.04898704928517]
  人間は、物体の物理的特性を直感的に認識し、複雑な相互作用に従事している場合でも、その動きを予測する。 我々は、物理を同時に推論し、視覚と力学の先行に基づく将来の予測を行うニューラルモデルを提案する。 実験により、我々のモデルはいくつかの観測範囲内で物理的特性を推測できることが示され、モデルが目に見えないシナリオに迅速に適応し、将来正確な予測を行うことができる。
  論文  参考訳（メタデータ） (2020-04-28T17:06:38Z)

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。