論文の概要: pico-WAM: Evaluating Counterfactual Prediction and Planning Error in a Compact World Action Model

• arxiv url: http://arxiv.org/abs/2611.01039v1
• Date: Sat, 31 Oct 2026 15:28:50 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:21:11.128058
• Title: pico-WAM: Evaluating Counterfactual Prediction and Planning Error in a Compact World Action Model
• Title（参考訳）: pico-WAM:小型世界行動モデルにおける対実予測と計画誤差の評価
• Abstract要約: pico-WAMは、ポリシーと力学の相互作用をトレースするために供給された物理状態を持つコンパクトモデルである。 206のPush-Tデモと15のトレーニングシードを使用して、データ構造と検索構成を比較します。 カウンターファクト・ブランチ・トレーニングは、短期ホライゾンのコストランキングを改善し、ウォームスタートしたサーチに対するポリシーの再起動によるカバレッジの利点を4.8ポイント拡大する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: When a World Action Model fails at control, is the bottleneck proposal generation or trajectory scoring? We introduce pico-WAM, a compact model with supplied physical state for tracing policy-dynamics interactions. Using 206 Push-T demonstrations and 15 training seeds, we compare data regimes and search configurations. Counterfactual branch training improves short-horizon cost ranking and enlarges the coverage advantage of policy-restarted over warm-started search by 4.8 percentage points; restart wins under both data regimes. Replacing learned trajectory scores with simulator costs improves coverage by 12.2 points while retaining learned proposals. Substituting simulator states in proposal generation alone shows no detected gain. Component diagnostics and a separate door-opening study show why better ranking need not yield better control or outperform imitation. These controlled interventions identify scoring as an effective improvement target in the tested setting and provide a reproducible protocol for diagnosing compact world models.
• Abstract（参考訳）: World Action Modelが制御に失敗したとき、ボトルネックの提案生成や軌道スコアは失敗するのか? ポリシー-力学相互作用をトレースするための物理状態が供給されるコンパクトモデルであるピコ-WAMを導入する。 206のPush-Tデモと15のトレーニングシードを使用して、データ構造と検索構成を比較します。 カウンターファクト・ブランチ・トレーニングは、短期ホライゾンのコストランキングを改善し、ウォームスタートしたサーチに対するポリシーの再起動によるカバレッジの利点を4.8ポイント拡大する。 学習した軌道スコアをシミュレータコストで置き換えることで、学習した提案を維持しながら、12.2ポイントのカバレッジが向上する。 提案生成のみの置換シミュレータ状態は、検出された利得を示さない。 コンポーネント診断とドア開きの別な研究は、なぜより良いランキングがより良いコントロールや模擬よりも優れているのかを示している。 これらの制御された介入は、テスト環境での効果的な改善目標としてスコアを識別し、コンパクトな世界モデルの診断のための再現可能なプロトコルを提供する。

関連論文リスト

• SPT-Flow: One Integration, Many Futures in Continuous-Time World Models [6.258228884608599]
  連続した世界モデルは、1つのODE統合を通して潜在軌道を生成する。 本研究では, トラジェクトリ関連潜伏情報の必要性を低減させるため, 地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・ SPT-Flowは、軌道毎に1つの潜伏をサンプリングし、自由走行のODEロールアウトとデモステートを一致させる。
  論文  参考訳（メタデータ） (2026-10-30T05:26:15Z)
• Dual Exam: Controlled Evaluation of Multimodal Agents and World Models [183.81513687551828]
  本稿では, エージェントを固定環境応答機構下で, エージェントを固定行動介入下で, ワールドモデルでテストするDual Examを紹介する。 エージェントトラックは15のレポートカテゴリで1,088項目の10構成を比較している。 World Modelのトラックには8つのシナリオにわたる400のケースが含まれている。
  論文  参考訳（メタデータ） (2026-10-22T10:44:35Z)
• One-Step Prediction Fidelity Is a Poor Proxy for Planning Performance in JEPA World Models [0.0]
  物理ユニットのワンステップエラーを報告するフリーズデコーダプロトコルを導入する。 同じチェックポイント上で,目標条件のプランニングを3つのトレーニングシードとペアのプランニングシードで測定する。
  論文  参考訳（メタデータ） (2026-10-14T01:19:50Z)
• 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)
• QuantWAMs: Calibrating at the Right Granularity for World Action Models [34.540026172139406]
  World Action Modelsは、将来の観測とアクションを共同で予測するが、反復的なデノゲーションとクローズドループの実行は、デプロイメントにコストがかかる。 我々は,量子化決定をモデル構造,ロールアウト分布,タスク目標によって定義されたキャリブレーションコンテキストと整合するPTQフレームワークQuantWAMを提案する。 我々は,RoboTwin 2.0,LIBERO,AgiBot G2を用いた実ロボット操作において,Fast-WAMおよびLingBot-VA上のQuantWAMを評価した。
  論文  参考訳（メタデータ） (2026-07-30T15:54:29Z)
• Prompt Injection Detection is Regime-Dependent: A Deployment-Aware Evaluation with Interpretable Structural Signals [11.542407696902115]
  マルチモデルおよびマルチレジーム実験フレームワークを用いたインジェクション検出のデプロイメント・アウェア評価について述べる。 我々は複数のアウト・オブ・ディストリビューション・セッティングで語彙、意味、構造、トランスフォーマーに基づく検出器を比較した。 その結果,検出性能は状態依存性が高く,しきい値選択に敏感であることが示唆された。
  論文  参考訳（メタデータ） (2026-05-26T13:19:25Z)
• TapSampling: Inference-Time Sampling with a Task-Progress-Understanding Verifier for Robotic Manipulation [61.35569005726248]
  既存の具体的制御研究は、トレーニングデータとモデルサイズをスケールすることで、顕著なパフォーマンス向上を示す。 拡散や自己回帰モデルのような非決定論的生成モデルは、エンボディドコントロールの分野で広く採用されている。 推測時間サンプリングのためのプラグイン・アンド・プレイフレームワークである textbfTapSampling を提案する。
  論文  参考訳（メタデータ） (2026-05-25T08:03:31Z)
• World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry [82.93104394404781]
  汎用世界モデルは、スケーラブルなポリシー評価、最適化、計画を約束します。 本稿では,世界モデルによる予測誤りと自己改善を識別するフレームワークであるWorld Action Verifier(WAV)を提案する。
  論文  参考訳（メタデータ） (2026-04-02T12:48:36Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)

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。