論文の概要: When More Planning Hurts: Learned Planners for World Models

• arxiv url: http://arxiv.org/abs/2610.37891v1
• Date: Tue, 27 Oct 2026 19:32:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.321658
• Title: When More Planning Hurts: Learned Planners for World Models
• Title（参考訳）: より計画的なハート:世界モデルのためのプランナーを学ぶ
• Abstract要約: PushTでは、固定アクション更新(1,505パラメータ)によって、設定選択から予約された16のシーンのうち8つが解決されます。 この追加更新により, 更新器として選択された潜在世界モデルトラジェクトリのコストが削減されることが観察された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: On PushT, our fixed action updater (1,505 parameters) solves 8 of 16 scenes reserved from our configuration selection. The comparison planners perform as follows: Selected Adam (7 tasks solved, total planning and encoding time 218.440s), adapted iCEM (2 tasks solved, total planning and encoding time 49.309s), released LePlanner (16 tasks solved, total planning and encoding time 5.652s). The total planning and encoding time for our action updater is 59.079s. Note that our action updater does not satisfy the task-cost criterion we fixed before evaluation. We also conduct another matched experiment where we only replay the first ten commands in each context and then allow the next solve 4, 8 or 12 updates (subsequent solves all get 8 updates). Among all 16 contexts (8 scene clusters), the 3 budgets get 9, 8 and 7 successes, respectively. Interestingly, the extra updates did not rescue any failing task in this experiment. All the changes in success/failure happen in one scene cluster, where we observe that the extra updates decrease the costs of the selected latent world-model trajectories for our updater, while the tasks that used to be successes become failures. The code, weights, evaluators, execution traces and cost accounting accompany the paper.
• Abstract（参考訳）: PushTでは、固定アクション更新(1,505パラメータ)によって、設定選択から予約された16のシーンのうち8つが解決されます。 選択されたアダム(7つのタスク、総計画と符号化時間218.440s)、適応されたiCEM(2つのタスク、総計画と符号化時間49.309s)、リリースされたLePlanner(全計画と符号化時間5.652s)。 アクション更新器の総計画と符号化時間は59.079秒です。 アクション更新器は、評価前に修正したタスクコスト基準を満たしていないことに注意してください。 また、マッチした別の実験も行います。各コンテキストで最初の10のコマンドのみを再生し、次に4、8または12の更新を許可します(その後、すべての8の更新を解決します)。 16のコンテキスト(シーンクラスタ8つ)のうち、3つの予算はそれぞれ9、8、7つの成功がある。 興味深いことに、今回の追加アップデートは、この実験で失敗したタスクを救えなかった。 成功/失敗のすべての変化は、あるシーンクラスタで発生します。そこでは、余分な更新によって、更新者のために選択された潜在的世界モデルトラジェクトリのコストが減少し、成功したタスクが失敗するのを観察します。 コード、重み、評価器、実行トレース、コスト会計は、論文に付随する。

関連論文リスト

• Beyond Update Counts: A Control Map for Evaluating Test-Time Model Updates [19.834682163250857]
  テスト時の更新により、トレーニング後に言語モデルが永続的な状態を変更することができる。 既存の評価では、更新数や頻度、その後すぐに測定された性能などのシステムを比較することが多い。 得られた回答に先立ってコミットされた更新を記録する評価フレームワークであるControlMapを紹介します。
  論文  参考訳（メタデータ） (2026-10-26T18:21:19Z)
• SWE-Shift: Evaluating Coding Agents in Evolving Workspaces [59.99170893706881]
  ソフトウェア開発では、エージェントが動作している間、コード、依存関係、ランタイム状態、要件が変更される可能性がある。 我々は,このような中間実行変化下でのコーディングエージェント評価のベンチマークであるSWE-Shiftを紹介する。 クリーンな成功よりもシフトの少ない17のコーディングエージェントシステムを評価した。
  論文  参考訳（メタデータ） (2026-10-23T05:47:59Z)
• Do LLM Agents Execute the Plans They Declare? From Planning-Mode Declaration to Pattern-Specific Execution [10.075319713861147]
  大規模言語モデル(LLM)は、エージェントが計画を生成し、それを環境内で実行することで、長い水平タスクを解くことを可能にする。 成功する計画には、タスクの適切な計画を選択し、忠実に実行するという、2つの異なる機能が必要です。 LLMが4つの計画モードのうちの1つを宣言し、対応するパターン固有の実行者にタスクをディスパッチするプランニング・アズ・ルーティングを導入する。
  論文  参考訳（メタデータ） (2026-09-29T17:47:18Z)
• LexiconVLA: Learning Reusable Atomic Action Codebooks for Unseen Tasks [52.045695649147966]
  クロスタスク再利用のための検索可能な原子-作用レキシコンを提案する。 グローバルかつ詳細なコードブックは、共有インタラクション構造ときめ細かい実行のバリエーションをキャプチャする。 視覚-原子的行動アライメントは、視覚状態変化からの軌道再構成と、行動コードからの視覚的結果予測を結合する。
  論文  参考訳（メタデータ） (2026-09-29T05:45:52Z)
• Rethink Before You Execute: Adaptive Execution for World Action Models [29.76405877028887]
  世界行動モデルは、将来の行動と環境の進化を共同で予測する。 この固定された実行の地平線は実行のダイナミクスとあまり一致していないと我々は主張する。 WAMのための軽量なプラグアンドプレイ実行方式であるTempoWAMを提案する。
  論文  参考訳（メタデータ） (2026-08-10T11:59:42Z)
• From Continual Learning to SGD and Back: Better Rates for Continual Linear Models [50.11453013647086]
  以前見られたタスクの損失を、$k$の繰り返しの後、忘れること、すなわち、分析する。 実現可能な最小二乗の設定において、新しい最上界を創出する。 我々は、タスクを繰り返しないランダム化だけで、十分に長いタスクシーケンスで破滅的な事態を防げることを初めて証明した。
  論文  参考訳（メタデータ） (2025-04-06T18:39:45Z)
• Neural MP: A Generalist Neural Motion Planner [75.82675575009077]
  運動計画問題にデータ駆動学習を大規模に適用することで,これを実現する。 提案手法は, シミュレーションの複雑なシーンを多数構築し, モーションプランナーから専門家のデータを収集し, 反応的なジェネラリストポリシーに抽出する。 我々は,4つの異なる環境における64の動作計画タスクについて,その方法の徹底的な評価を行う。
  論文  参考訳（メタデータ） (2024-09-09T17:59:45Z)
• Reinforcement Learning with Success Induced Task Prioritization [68.8204255655161]
  本稿では,自動カリキュラム学習のためのフレームワークであるSuccess induced Task Prioritization (SITP)を紹介する。 アルゴリズムはエージェントに最速の学習を提供するタスクの順序を選択する。 我々は,SITPが他のカリキュラム設計手法と一致するか,あるいは上回っていることを実証する。
  論文  参考訳（メタデータ） (2022-12-30T12:32:43Z)

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。