論文の概要: Right Ranking, Wrong Scale: Reproducing the Robotic World Model's Dynamics Model and Testing the Uncertainty of Its Follow-up
- arxiv url: http://arxiv.org/abs/2611.02699v1
- Date: Mon, 02 Nov 2026 07:52:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 19:36:12.447114
- Title: Right Ranking, Wrong Scale: Reproducing the Robotic World Model's Dynamics Model and Testing the Uncertainty of Its Follow-up
- Title(参考訳): 正しいランク付け、間違ったスケール:ロボット世界モデルのダイナミクスモデルを再現し、そのフォローアップの不確かさをテストする
- Abstract要約: モデル自身のロールアウトでのトレーニングは、プレ登録された長い地平線で10エピソードすべてで1ステップのトレーニングに勝るが、短い1ステップのウィンドウでは負ける。
アンサンブルメンバーを自身の予測で転がすと、カバー範囲は33%に増加する。
水平方向特異的な再スケーリングは、残差評価の下で1シグマカバレッジを復元するが、2シグマカバレッジは回復しない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We reimplement the dynamics model of the Robotic World Model (RWM) and test the uncertainty estimate that its follow-up, RWM-U, uses to penalize reward in offline policy optimization. Our implementation matches the released model's gradients. On held-out data, training on the model's own rollouts beats one-step training at the preregistered long horizon for all ten episodes, but loses on short one-step windows. RWM-U's ensemble disagreement ranks rollout errors better than forecast step (Spearman rho = 0.90 at 100 steps), yet its spread substantially understates error: one-sigma coverage on the released checkpoint is 4.6% at 100 steps, versus 68% for a calibrated Gaussian. Rolling ensemble members on their own predictions raises coverage to 33%. The implemented squared-error loss on sampled predictions drives each member's variance toward zero. A horizon-specific rescaling restores one-sigma coverage under leave-one-episode-out evaluation, but not two-sigma coverage. We also identify two defects in the released evaluation pipeline. The study covers one robot, one gait and one dataset; it trains no policy.
- Abstract(参考訳): 我々は,ロボット世界モデル(RWM)の力学モデルを再実装し,その追従するRWM-Uがオフラインポリシ最適化における報酬をペナルティ化するために使用している不確実性の推定を検証した。
私たちの実装は、リリースされたモデルの勾配と一致します。
ホールドアウトデータでは、モデル自身のロールアウトでのトレーニングは、プレ登録された長い地平線で10エピソードすべてで1ステップのトレーニングに勝るが、短い1ステップのウィンドウでは負ける。
RWM-Uのアンサンブルは、予測ステップよりもロールアウトエラーをランク付けする(スピアマン・ロー=0.90は100ステップ)が、その拡散は大幅に過小評価される: リリースされたチェックポイントの1シグマカバレッジは100ステップで4.6%、キャリブレーションされたガウスでは68%である。
アンサンブルメンバーを自身の予測で転がすと、カバー範囲は33%に増加する。
サンプル予測に実装された2乗誤差損失は、各メンバーの0に対する分散を駆動する。
水平方向特異的な再スケーリングは、残差評価の下で1シグマカバレッジを復元するが、2シグマカバレッジは回復しない。
また、リリースした評価パイプラインの2つの欠陥も特定します。
この研究は、1つのロボット、1つの歩行、1つのデータセットをカバーしている。
関連論文リスト
- World Models Need Not Be Right to Rank Policies Right: Relative Bounds and Audit Limits [0.0]
絶対値が低いにもかかわらず、モデルエラーを共有することはペアワイズランキングを維持できるだろうか。
我々は、ポリシー固有の誤差から、厳密なペアワイズシミュレーションIDと、相対的に有界な共通モードベルマン残差を導出する。
RAVELは低予算歩行の後悔を改善するが、実際の半減期は最大予算で良好であり、事前の2倍効率の目標を拒絶する。
論文 参考訳(メタデータ) (2026-10-31T17:30:15Z) - 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) - Beyond One-Step Accuracy: State-Affine Latent Transition for Reliable Visual Planning [53.476598858325985]
複数ステップのロールアウトエラーを個々のステップで導入したエラーに分解し,その後の遷移を通した伝播を行う。
状態-アフィンダイナミクスは、状態非依存のヤコビアンとの微分可能遷移であることを示す。
動作条件付き状態-アフィンダイナミクスモデルであるSALTを導入し、動作が状態変換と追加更新の両方を変調する。
論文 参考訳(メタデータ) (2026-09-27T14:12:27Z) - Robot World Models Are Not Invariant to How the Actions Are Written [0.0]
一方のパラメータ化で訓練された潜在力学モデルを示し、他方の崩壊で書かれた同一の指令軌道を手渡した。
Retrievalは3つのロボットデータセットと2つの形態の2.6-13.4xで分解される。
PushTでは、平均化だけで軸を修復しない。
論文 参考訳(メタデータ) (2026-09-19T23:41:03Z) - 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) - Accurate Ensembles, Fragile Narratives: Multi-Scale Stacking and a Fidelity Audit of LLM-Generated Explanations for Credit Risk [0.0]
クレジットスコアリングは、決定ロジックをパラメータから読み取ることができないモデルに依存している。
共通する提案は、言語モデルとのギャップを埋める: 特徴属性を計算し、それらを LLM に渡し、合理的に記述させる。
このようなシステムをエンド・ツー・エンドに構築し、約束の後半が成立するかどうかをテストします。
論文 参考訳(メタデータ) (2026-08-08T13:22:14Z) - Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。
我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。
この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
論文 参考訳(メタデータ) (2026-08-01T13:49:46Z) - Adaptive Runge-Kutta Step Control Buys Training Loss, Not Generalization: An Honest Compute-Matched Study of RK-Adam Optimizers [0.0]
我々は代表的アダム変種(Bogacki-Shampine 3(2) RKペア、FSAL再利用、ローカルエラーステップ制御)を構築する。
我々は、全てのメソッドに同じ勾配評価予算を与える厳密な計算整合プロトコルで評価する。
論文 参考訳(メタデータ) (2026-07-16T03:12:58Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳(メタデータ) (2026-05-20T19:08:38Z) - One Sample is Enough to Make Conformal Prediction Robust [53.78604391939934]
共形予測は, 1つのランダムな摂動入力に対して前方通過しても, ある程度の堅牢性が得られることを示す。
提案手法は,入力毎に多数のパス(例えば100回程度)を使用するSOTA法と比較して,平均セットサイズが小さいロバストな集合を返す。
論文 参考訳(メタデータ) (2025-06-19T19:14:25Z) - Consistent Diffusion Models: Mitigating Sampling Drift by Learning to be
Consistent [97.64313409741614]
本稿では, モデルが生成したデータ上での予測が時間とともに一定であることを示す, 両立性特性を強制することを提案する。
CIFAR-10の条件および非条件生成とAFHQとFFHQのベースライン改良について,本研究の新たな訓練目標が得られた。
論文 参考訳(メタデータ) (2023-02-17T18:45:04Z)
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。