論文の概要: Utility-WAM: Correcting Future-Induced Action Changes

• arxiv url: http://arxiv.org/abs/2610.39367v1
• Date: Thu, 29 Oct 2026 04:59:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 00:01:55.728232
• Title: Utility-WAM: Correcting Future-Induced Action Changes
• Title（参考訳）: Utility-WAM: 将来的な行動変化の補正
• Abstract要約: World Action Models (WAM) は、生成した視覚的未来に対してロボットアクションを条件付けることができるが、この追加のコンテキストはコストフリーでも一様でも有益でもない。 将来的な制御のインプレース修正のための textbfUtility-WAM を提案する。 実世界の3つのタスクにわたる物理的バイマニュアル操作において、Utility-WAMはFAST-WAMの43に対して、60のトライアルのうち53で成功している。
• 参考スコア（独自算出の注目度）: 8.193507663368687
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World Action Models (WAMs) can condition robot actions on generated visual futures, but this additional context is neither cost-free nor uniformly beneficial. We examine what a predicted future actually changes: the action delta $Δa$ between the future-conditioned and future-free execution paths of the same model. Under a shared WAM checkpoint, this delta barely shifts average benchmark success ($+0.8$ points on LIBERO, $-0.8$ on RoboTwin~2.0), while generating visual futures increases inference latency by 1.7--1.9$\times$. These aggregate metrics conceal a concentrated failure mode that we term \emph{future-induced negative transfer}: while predictive deltas benefit long-horizon tasks ($+2.4$ points on LIBERO-Long) and remain negligible on most routine manipulations, they induce severe degradation on precision tasks---with \emph{Press Stapler} and \emph{Place Can Basket} losing 54.0 and 34.0 points, recurring as top failure modes across independently trained WAM variants. We introduce \textbf{Utility-WAM} for in-place correction of future-conditioned control. Its primary learning component is a residual adapter that repairs future-induced velocity deltas under a frozen shared WAM by aligning them with ground-truth dynamic guidance and penalizing excess error beyond the future-free baseline. The adapter selectively eliminates the majority of severe task drops (reducing losses to 6.0 and 14.0 points) while preserving long-horizon foresight. To eliminate superfluous video computation, a lightweight pre-generation gate reuses counterfactual action outcomes to selectively bypass video generation on 75.5\% of RoboTwin queries, cutting latency by 38\% while improving average success to 93.3\% on RoboTwin~2.0 and 98.9\% on LIBERO. On physical bimanual manipulation across three real-world tasks, Utility-WAM succeeds in 53 of 60 trials, compared to 43 for FAST-WAM.
• Abstract（参考訳）: World Action Models (WAM) は、生成した視覚的未来に対してロボットアクションを条件付けることができるが、この追加のコンテキストはコストフリーでも一様でも有益でもない。 我々は、予測される将来が実際にどう変わるか、すなわち、同じモデルの将来の条件付き実行パスと将来の自由実行パスの間のアクションdelta $Δa$について検討する。 共通のWAMチェックポイントの下では、このデルタは平均ベンチマーク成功率(LIBEROでは+0.8$、RoboTwin~2.0では$-0.8$)をわずかにシフトする一方、ビジュアルな先物の生成は推論遅延を1.7--1.9$\times$で増加させる。 予測デルタは長い水平タスク(LIBERO-Longで+2.4$ポイント)の恩恵を受け、ほとんどのルーチン操作では無視できるが、精度の高いタスクでは深刻な劣化を引き起こす。 本稿では,将来的な制御のインプレース修正のために,‘textbf{Utility-WAM} を導入する。 その第一の学習要素は、凍結された共有WAMの下で将来誘起の速度デルタを修復する残差アダプタであり、地表面の動的ガイダンスと整列させ、将来の自由ベースラインを超えて過大な誤差を罰する。 アダプタは、厳しいタスクドロップの大部分を選択的に排除し(損失を6.0と14.0に減少させる)、長い水平方向を保っている。 過剰なビデオ計算をなくすために、軽量のプレジェネレーションゲートは、アンチファクトアクションの結果を再利用し、75.5\%のRoboTwinクエリ上での動画生成を選択的にバイパスし、平均的な成功率を93.3\%、LIBEROで98.9\%に改善する。 実世界の3つのタスクにわたる物理的バイマニュアル操作において、Utility-WAMはFAST-WAMの43に対して、60のトライアルのうち53で成功している。

関連論文リスト

• Reliability-Aware Future Conditioning for Temporally Robust Robot Manipulation [6.019506565406165]
  時間的ミスアライメントはタスク一貫性のある未来を積極的に有害なガイダンスに変えることができることを示す。 本稿では,RAFC(Reliability-Aware Future Conditioning)を導入し,これを生成問題ではなく制御問題として扱う。
  論文  参考訳（メタデータ） (2026-10-08T13:40:48Z)
• EVO-WAM: Evolving World Action Models through Video-Action Verification [51.68210232964847]
  EVO-WAMは、自身の生成したビデオアクション軌跡から学習することで、WAMを見えないタスクに適応するフレームワークである。 コスモス3の平均成功率は20.0%から76.7%に改善され、56.7%となった。
  論文  参考訳（メタデータ） (2026-09-29T17:25:35Z)
• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation [6.874305530359895]
  本稿では,凍ったFast-WAMをベースとした教師から,未来を意識した行動等価表現を蒸留する高密度pi0.5ポリシーであるForeTime-VLAを紹介する。 オンラインでは、8フレームの履歴エンコーダが操作フェーズと正規化された時間-遷移とともにこのターゲットを予測する。 テストMAEは0.134119から0.130593 (2.63%)に減少し、ペアリングブートストラップ95%CI:0.82-4.48%の改善、テストL2は2.46-2.93%の遅延コストで3.02%減少する。
  論文  参考訳（メタデータ） (2026-08-21T04:40:41Z)
• Keep the Future, Drop the Rollout: RIFT for World Action Models [46.70481761959841]
  将来のキャッシュ値のマスキングや再割り当てによって実行が変化し、成功が減少することを示す。 本稿では,学習した予測トークンを用いて,完全な将来K/Vキャッシュを1つのバックボーンパスで構築するRIFTを提案する。
  論文  参考訳（メタデータ） (2026-08-12T00:17:30Z)

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。