論文の概要: Anticipating Social Consequences with Distributional World Models

• arxiv url: http://arxiv.org/abs/2610.30657v1
• Date: Thu, 22 Oct 2026 03:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.198241
• Title: Anticipating Social Consequences with Distributional World Models
• Title（参考訳）: 分散世界モデルによる社会的結果の予測
• Abstract要約: ソーシャルワールドモデルは、アクション後に相互作用がどのように発達するかを予測し、エージェントが交渉、協力、仲介を行うのを助ける。 提案する分散社会世界モデル(DSWM)は,候補行動毎のアウトプットにおける代替応答,その確率,即時および最終結果値を予測する。
• 参考スコア（独自算出の注目度）: 61.67575540471998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social world models predict how interactions develop after an action, helping agents negotiate, cooperate and mediate. In these situations, one action can lead to several plausible futures, hence predicting only one future can overlook consequential alternatives, while exploring them through repeated simulations increases inference cost. We propose DSWM, a Distributional Social World Model that predicts alternative responses, their probabilities and immediate and final outcome values in one output per candidate action. We train a 4B model on repeated simulations using supervised fine-tuning and GRPO. At inference time, the actor uses these possible consequences to choose an action. Across three seen and two unseen environments, with interaction backbones absent from training collection, DSWM achieves the best average performance on 13 of 15 metrics. Ablations show that retaining multiple futures and their predicted probabilities improves outcomes in all five environments.
• Abstract（参考訳）: ソーシャルワールドモデルは、アクション後に相互作用がどのように発達するかを予測し、エージェントが交渉、協力、仲介を行うのを助ける。 このような状況下では、一つの行動がいくつかの有望な未来に繋がる可能性があるため、1つの未来だけが連続した代替案を見落としられると予測する一方で、繰り返しシミュレーションを通してそれらを探索することで推論コストが増大する。 提案する分散社会世界モデル(DSWM)は,候補行動毎のアウトプットにおける代替応答,その確率,即時および最終結果値を予測する。 教師付き微調整とGRPOを用いて,繰り返しシミュレーションの4Bモデルを訓練する。 推論時には、アクターはアクションを選択するためにこれらの可能な結果を使用する。 3つと2つの目に見えない環境、トレーニングコレクションにインタラクションバックボーンがないため、DSWMは15のメトリクスのうち13の平均的なパフォーマンスを達成している。 アブレーションは、複数の未来と予測される確率が5つの環境すべてで結果を改善することを示している。

関連論文リスト

• Self-Improving Agents with World Model Predictive Paths [19.55568114514486]
  大規模言語モデル(LLM)エージェントは、環境と対話し、デプロイメント中の意思決定を改善することがますます期待されている。 本稿では,モデル予測パス積分(MPPI)制御にインスパイアされたテスト時間フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-20T21:46:29Z)
• Beyond Prediction: Steering VLM Agents with Retrospective World Modeling [38.89406602855148]
  世界モデリング能力を持つVLMエージェントは、複雑な推論と長期計画に強い可能性を示している。 本稿では,エージェントの逆推論を可能にする新しいエージェント学習パラダイムであるRetrospective World Modelingを紹介する。 本手法は, 政策の堅牢性と, 将来的な世界モデリングベースラインを大幅に改善する。
  論文  参考訳（メタデータ） (2026-09-30T06:41:04Z)
• Achieve What You Imagined: Learning to Align Actions with Visual Plans [37.7412146305617]
  世界行動モデルは、将来の視覚的な観察とロボットのアクションを共同で予測することができる。 視覚的予測と、生成された行動によって引き起こされる結果の間には、相違がある可能性がある。 我々は、フリーズされた行動条件付き世界モデルを用いて、行動条件付き結果の予測とフィードバックの構築を行う。
  論文  参考訳（メタデータ） (2026-09-27T18:32:40Z)
• Recommendation World Models for Future-State Control [53.191633845200876]
  我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。 UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。 本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
  論文  参考訳（メタデータ） (2026-09-25T02:37:48Z)
• JEPA Policy: Diffusion-Free Imitation Learning via Paired Action and Future Representation Prediction [6.889062419237111]
  JEPA Policyは、アクションチャンクとその観測された将来の表現をペア化されたトレーニングターゲットとして使用する、拡散のないフレームワークである。 将来の予測は、アクションを生成するために使われる表現を形作ることができる。 その結果、反復的な生成サンプリングを伴わない低遅延ビズモータ模倣に対する実践的なアプローチとして、ペア・フューチャー・リ表現の監視を支援する。
  論文  参考訳（メタデータ） (2026-09-09T02:42:20Z)
• Do Robotic World Models Really Follow Actions? Diagnosing and Aligning Action-Conditioned Generation for Policy Learning [53.77164209208635]
  本稿では,視覚的整合性と軌跡アライメントを用いて,より広い行動分布を探索するWorldEchoを紹介する。 本稿では,3つの軸に沿った行動(分布カバレッジ,表現的接地,介入効果のアライメント)を強化するWorldSyncを提案する。 RoboTwinベンチマークと実ロボットタスクの実験は、WorldSyncがWorldEchoメトリクスを改善し、反復的なポリシー改善のためのより信頼性の高いシミュレータとして機能していることを示している。
  論文  参考訳（メタデータ） (2026-08-25T17:59:49Z)
• HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
  世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。 HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。 実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
  論文  参考訳（メタデータ） (2026-05-11T17:59:56Z)
• EgoAgent: A Joint Predictive Agent Model in Egocentric Worlds [119.02266432167085]
  EgoAgentは単一変換器内での表現、予測、動作を同時に学習する統合エージェントモデルである。 EgoAgentは、タスクをインターリーブされた状態とアクションのシーケンスとして定式化することで、これらの能力間の因果的および時間的依存関係を明示的にモデル化する。 EgoAgentの画像分類,エゴセントリックな将来の状態予測,3次元人間の動作予測といった代表的課題に対する総合的な評価は,本手法の優位性を示している。
  論文  参考訳（メタデータ） (2025-02-09T11:28:57Z)
• Scene Transformer: A unified multi-task model for behavior prediction and planning [42.758178896204036]
  実世界の運転環境における全てのエージェントの行動予測モデルを定式化する。 近年の言語モデリングアプローチにインスパイアされた我々は、マスキング戦略をモデルに対するクエリとして使用しています。 我々は,行動予測のための自律走行データセットに対するアプローチを評価し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-06-15T20:20:44Z)
• Instance-Aware Predictive Navigation in Multi-Agent Environments [93.15055834395304]
  エージェント間の相互作用と将来のシーン構造を予測するIPC(Instance-Aware Predictive Control)アプローチを提案する。 我々は,ego中心の視点でエージェント間のインタラクションを推定するために,新しいマルチインスタンスイベント予測モジュールを採用する。 シーンレベルとインスタンスレベルの両方の予測状態をより有効活用するために、一連のアクションサンプリング戦略を設計します。
  論文  参考訳（メタデータ） (2021-01-14T22:21:25Z)

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。