論文の概要: UniAction: Unified Action Conditioning for World Models

• arxiv url: http://arxiv.org/abs/2610.32977v1
• Date: Fri, 23 Oct 2026 17:59:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.632162
• Title: UniAction: Unified Action Conditioning for World Models
• Title（参考訳）: UniAction: 世界モデルのための統一アクションコンディショニング
• Abstract要約: アクションをスパースなアクション要素の集合として表現する統合されたアクション条件フレームワークであるUniActionを紹介します。 事前訓練されたビデオモデルのネイティブな位置空間に直接マッピングすることで、UniActionは異種アクションを共有ワールドモデルに設定することができる。 我々は、力、カメラ制御、ポーズ、ロボットの4つのアクション形態でUniActionを評価する。
• 参考スコア（独自算出の注目度）: 24.8869519620051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Actions that condition world models are highly heterogeneous, and thus existing action-conditioned world models are typically built for individual action types, fragmenting already limited action-annotated data across separate models. We introduce UniAction, a unified action-conditioning framework that represents any action as a sparse set of action elements, each with a discrete semantic identity and a continuous spatiotemporal grounding coordinate. By mapping these coordinates directly into the pretrained video model's native positional space, UniAction allows heterogeneous actions to condition a shared world model within the same spatiotemporal structure. We further introduce cardinality-calibrated attention to address the bias from differing action representation granularities. We evaluate UniAction on four representative action forms: force, camera control, hand pose, and robot pose. UniAction outperforms conditioning alternatives in action following, and a single jointly trained model surpasses the action-specific experts, showing that heterogeneous action data benefit from unified model and joint training.
• Abstract（参考訳）: アクション・ワールド・モデルは非常に異種であり、従って既存のアクション・コンディション・ワールド・モデルは個々のアクション・タイプのために構築される。 アクションをスパースなアクション要素の集合として表現する統合されたアクション条件フレームワークであるUniActionを導入し、それぞれが個別のセマンティックアイデンティティと連続的な時空間接地座標を持つ。 これらの座標を事前訓練されたビデオモデルのネイティブな位置空間に直接マッピングすることで、UniActionは異種アクションを同じ時空間構造内で共有世界モデルを条件付けることができる。 さらに,行動表現の粒度の違いから偏りに対処するために,濃度校正による注意点も導入する。 我々は、力、カメラ制御、ポーズ、ロボットポーズの4つの代表的な行動形態についてUniActionを評価した。 UniActionは後続の行動における条件付けの代替よりも優れており、単一の共同訓練されたモデルはアクション固有の専門家を超越し、統一されたモデルと共同訓練による異種アクションデータが恩恵を受けることを示す。

関連論文リスト

• ReWAM: Reciprocal World Action Models for Interactive Autonomous Driving [4.9178373469310275]
  対話的なシナリオでは、他のエージェントの行動の影響下でエゴ行動を生成するために自律運転システムが必要である。 ゲーム理論の世界アクションモデリングフレームワークであるReciprocal World Action Models (ReWAM)を紹介する。 我々のフレームワークはNAVSIMデータセットに基づいて評価され,ベースラインと比較して最先端の性能を実現している。
  論文  参考訳（メタデータ） (2026-09-30T08:12:56Z)
• From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
  アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。 世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。 我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
  論文  参考訳（メタデータ） (2026-07-13T15:22:56Z)
• Not All Actions Are Equal: Rethinking Conditioning for Dexterous World Model [15.646017114869169]
  アクション・コンディショニングは、アクション・コンディショナード・ワールド・モデルでは未発見のままである。 本稿では,グローバル圧縮ではなく構造化プロセスとして動作条件を扱うDexACを提案する。 セマンティックブランチとDexACを組み合わせることで、FID、FVD、PCKが大幅に向上し、視覚的時間的リアリズムと行動追従一貫性が向上することを示す。
  論文  参考訳（メタデータ） (2026-06-25T17:36:35Z)
• 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)
• Lifting Embodied World Models for Planning and Control [59.09016913513998]
  我々は、ハイレベルなアクションを低レベルなジョイントアクションのシーケンスにマッピングする軽量なポリシーを訓練する。 我々は、この枠組みを人間的な実施のためにインスタンス化し、ハイレベルなアクション空間を2次元のウェイポイントの小さなセットとして定義する。 昇降した世界モデルは,低レベルな関節空間で直接探索するよりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2026-04-28T23:59:19Z)
• ActionParty: Multi-Subject Action Binding in Generative Video Games [117.52562594944679]
  ActionPartyは、ゲーム生成のための制御可能な多目的世界モデルである。 46の多様な環境において最大7人のプレイヤーを同時に制御できる最初のビデオワールドモデルを実証する。
  論文  参考訳（メタデータ） (2026-04-02T17:59:58Z)
• Olaf-World: Orienting Latent Actions for Video World Modeling [100.96069208914957]
  アクションコントロール可能な世界モデルのスケーリングは、アクションラベルの不足によって制限される。 大規模受動的ビデオから行動条件付きビデオワールドモデルを事前訓練するパイプラインであるOraf-Worldを紹介する。
  論文  参考訳（メタデータ） (2026-02-10T18:58:41Z)
• Latent Action World Models for Control with Unlabeled Trajectories [8.965084673299858]
  我々は異種データから学習する世界モデルを研究する。 我々は,アクション条件付きおよびアクションフリーなデータを共同で使用する潜在アクション世界モデル群を紹介する。
  論文  参考訳（メタデータ） (2025-12-10T19:09:45Z)
• ADM-Loc: Actionness Distribution Modeling for Point-supervised Temporal Action Localization [31.314383098734922]
  本稿では,1つのアクションインスタンスにアノテートされた1フレームのみをトレーニングセットにアノテートする点教師付き時間的行動検出の課題に対処する。 ADM-Loc(ADM-Loc)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-27T15:24:54Z)
• Universal Prototype Transport for Zero-Shot Action Recognition and Localization [16.630571993283695]
  この研究は、トレーニング例が得られない場合、ビデオ内のアクションカテゴリを認識する問題に対処する。 主なアイデアは、見知らぬアクションのセマンティックプロトタイプを、すべてのテストビデオの配信にマッチさせることである。 ユニバーサルアクションモデルでは、未確認のアクションプロトタイプから全ての投影されたテストビデオまで、超球面の最適輸送を通してマッチングすることを提案する。
  論文  参考訳（メタデータ） (2022-03-08T09:58:40Z)
• Graph Convolutional Module for Temporal Action Localization in Videos [142.5947904572949]
  アクション・ユニット間の関係は、アクション・ローカライゼーションにおいて重要な役割を果たすと主張する。 より強力なアクション検出器は、各アクションユニットの局所的な内容をキャプチャするだけでなく、関連するコンテキストに関する広い視野を許容するべきである。 本稿では,既存の動作ローカライズ手法に簡単にプラグイン可能な汎用グラフ畳み込みモジュール(GCM)を提案する。
  論文  参考訳（メタデータ） (2021-12-01T06:36:59Z)

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。