論文の概要: Adapt for Planning, Not just Prediction: Optimistic Test-Time World Model Adaptation

• arxiv url: http://arxiv.org/abs/2610.35636v1
• Date: Mon, 26 Oct 2026 15:46:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.059807
• Title: Adapt for Planning, Not just Prediction: Optimistic Test-Time World Model Adaptation
• Title（参考訳）: 予測だけでなく計画に適応する - 最適なテスト時間世界モデル適応
• Abstract要約: 潜在世界モデルは、通常、オフラインで事前トレーニングされ、テスト時に凍結される。 この劣化を緩和するために、OpTTA(Optimistic Test-Time Adaptation)を導入します。 この結果から, 予測損失に加えて, 楽観的かつタスク対応の用語から, 計画立案のための世界モデルのテスト時適応が示唆された。
• 参考スコア（独自算出の注目度）: 14.408320763535968
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent world models are typically pre-trained offline and kept frozen at test time, so planning with them can degrade under distribution shift. Test-time adaptation (TTA) can mitigate this degradation by updating the model during deployment. Unlike pre-training on fixed data, TTA for planning is closed-loop: the planner uses model rollouts to select actions, and the resulting transitions drive the next update. This raises the question: which objective should guide TTA for planning? Under a prediction-only objective, the model is fit only to the outcomes of its own actions, so it can remain wrong about the actions that would reach the goal, and low prediction error need not translate into better planning. Inspired by reward-biased maximum likelihood from adaptive control, we introduce Optimistic Test-Time Adaptation (OpTTA). Its objective has two terms, the prediction loss on observed transitions and the planner's goal-reaching cost on its candidate rollouts, both minimized over the model parameters. The planning term biases adaptation toward models that are optimistic about reaching the goal, without any additional environment interaction. Across visual and environment shifts on manipulation, reaching and navigation tasks, OpTTA raises final planning success over the frozen model by 13.5 percentage points on average, compared with 6.9 for the prediction-only objective (AdaJEPA), when only the predictor is adapted. When the encoder is adapted as well, the gains are 13.5 and 7.5 points. These experiments span three JEPA world models with different encoders and training objectives and, for temporal straightening, both CEM and gradient-based planners. Our results suggest that test-time adaptation of world models for planning benefits from an optimistic, task-aware term in addition to the prediction loss.
• Abstract（参考訳）: 潜在世界モデルは、通常、オフラインで事前トレーニングされ、テスト時に凍結される。 テスト時間適応(TTA)は、デプロイ中にモデルを更新することで、この劣化を軽減することができる。 固定データの事前トレーニングとは異なり、計画のためのTTAはクローズループであり、プランナーはモデルロールアウトを使用してアクションを選択し、その結果のトランジションが次のアップデートを駆動する。 これは、計画のためにTTAをガイドすべき目的は何なのか、という疑問を提起する。 予測のみの目的の下では、モデルは自身の行動の結果にのみ適合するので、目標に達するアクションについて誤ったままであり、低い予測エラーはより良い計画に変換する必要はない。 適応制御から報酬バイアスの最大値に着想を得て,OpTTA(Optimistic Test-Time Adaptation)を導入する。 その目的は、観測された遷移に対する予測損失と、候補となるロールアウトに対するプランナーの目標達成コストの2つであり、どちらもモデルパラメータよりも最小化されている。 計画用語は、追加の環境相互作用なしにゴールに到達することを楽観的なモデルへの適応をバイアスする。 OpTTAは、操作、到達、ナビゲーションタスクの視覚的および環境的シフトに対して、予測のみの目標(AdaJEPA)の6.9に対して、凍結モデルに対する最終的な計画成功を平均13.5ポイント引き上げる。 エンコーダも適応すると13.5点と7.5点となる。 これらの実験は、異なるエンコーダとトレーニング目標を持つ3つのJEPAワールドモデルと、時間的ストレート化のために、CEMと勾配ベースのプランナの両方に及んでいる。 この結果から, 予測損失に加えて, 楽観的かつタスク対応の用語から, 計画立案のための世界モデルのテスト時適応が示唆された。

関連論文リスト

• VPFlow: Value-Predictive Planning with Imperfect World Models for Offline Goal Reaching [8.813009385776708]
  正確な状態予測は、しばしば不要であるのに対し、価値予測は計画に有用であることを示す。 本稿では,世界モデルとワンステップフローポリシを組み合わせ,進化的探索によるノイズ空間の計画を行う価値予測プランナであるVPFlowを紹介する。
  論文  参考訳（メタデータ） (2026-10-19T20:55:03Z)
• Action-Consequence Alignment for Reliable Planning and Self-Improving in Latent World Models [50.093046379641315]
  学習された世界モデルが類似した行動結果対応を維持しているかどうかを検討する。 その結果、近くの代替手段は、記録された目標から遠く離れた物理的結果を生み出すにもかかわらず、より低い予測誤差を得られることが示された。 これらの結果は、予測学習と信頼性プランニングをブリッジする実践原則として、アクション・エフェクト・アライメントを支援する。
  論文  参考訳（メタデータ） (2026-10-03T14:12:16Z)
• JEPA-TTT: Persistent Test-Time Training of Latent World Models for Planning under Dynamics Shifts [44.94635609557226]
  JEPA-TTTは、テスト時間を通して、事前訓練されたアクション管理された統合埋め込み予測アーキテクチャの世界モデルの潜時ダイナミクス予測に適応します。 自動回帰潜在予測エラーを平均で83%削減し、凍結したJEPAワールドモデルよりも153%改善する。
  論文  参考訳（メタデータ） (2026-09-30T21:13:59Z)
• AdaJEPA: An Adaptive Latent World Model [42.0759614364807]
  モデル予測制御(MPC)の閉ループ内でテスト時間適応を行う適応潜在世界モデルであるAdaJEPAを提案する。 トレーニング後、AdaJEPAは最初のアクションチャンクを計画し、実行し、観察された次の状態遷移を自己教師付き適応信号として使用し、更新されたモデルで再計画する。 このクローズドループアップデートは、さらなる専門家によるデモンストレーションなしに、世界モデルを継続的に再検討する。
  論文  参考訳（メタデータ） (2026-06-30T17:53:48Z)
• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
  本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。 テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
  論文  参考訳（メタデータ） (2025-12-10T18:59:45Z)
• Autoregressive End-to-End Planning with Time-Invariant Spatial Alignment and Multi-Objective Policy Refinement [15.002921311530374]
  自動回帰モデルは、自動運転におけるエンドツーエンドの計画のための、強烈なベースラインである。 彼らのパフォーマンスは、過去の知覚データに将来の行動を条件にする必要があるため、時間的ミスアライメントによって制約される。 本稿では,初期環境特徴を一貫したエゴ中心のフレームに投影する時間不変アライメント(TISA)モジュールを提案する。 また、DPO(Direct Preference Optimization)を用いた多目的ポストトレーニングのステージを導入し、純粋な模倣を克服する。
  論文  参考訳（メタデータ） (2025-09-25T09:24:45Z)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。 我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。 また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)

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。