論文の概要: Seeing Through the Illusion: Test-Time Scaling for World Action Models
- arxiv url: http://arxiv.org/abs/2611.03585v1
- Date: Mon, 02 Nov 2026 18:32:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:48:06.63322
- Title: Seeing Through the Illusion: Test-Time Scaling for World Action Models
- Title（参考訳）: 幻想を通して見る:世界アクションモデルのテスト時間スケーリング
- Abstract要約: 世界行動モデル(WAM)は、共同で行動を生成し、未来を想像するが、その共同生成された行動によって、妥当な予測が実現される必要はない。
WISEは,各サンプルロールアウトの動作妥当性と時間的正則性,提案した動作と想像動作の逆ダイナミクスの整合性,命令条件付きタスクの進行性についてスコア付けし,WAMを凍結したまま最上位の候補を実行する,事前実行セレクタである。
- 参考スコア（独自算出の注目度）: 6.2887618709717445
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: World action models (WAMs) jointly generate actions and imagined futures, but a plausible prediction need not be realized by its co-generated action. We introduce WISE (\emph{World Action Inference Scaling through Evaluation}), a pre-execution selector that scores each sampled rollout on action validity and temporal regularity, inverse-dynamics consistency between the proposed action and the imagined motion, and instruction-conditioned task progress, and executes the highest-scoring candidate while keeping the WAM frozen. With four candidates per decision, WISE raises closed-loop success from 6.0\% to 24.0\% on RoboLab with Cosmos~3 Edge and from 75.1\% to 78.3\% mean success on LIBERO with DreamZero, and exceeds the best existing selector in aggregate by 4.0 and 0.9 points. Component ablations and agreement analyses show that the three scores rank candidates differently and that task progress carries the largest weight in the fused decision.
- Abstract（参考訳）: 世界行動モデル(WAM)は、共同で行動を生成し、未来を想像するが、その共同生成された行動によって、妥当な予測が実現される必要はない。
WISE(\emph{World Action Inference Scaling through Evaluation})は,各サンプルのロールアウトを動作妥当性と時間的規則性,提案した動作と想像動作の逆ダイナミクスの整合性,および命令条件付きタスクの進行性に基づいてスコア付けし,WAMを凍結させながら最高評価候補を実行する,事前実行セレクタである。
WISEは、決定毎に4つの候補があり、RoboLabでは6.0\%から24.0\%、Cosmos~3 Edgeでは75.1\%から78.3\%、DreamZeroではLIBEROでは4.0と0.9ポイントのクローズドループ成功を達成している。
コンポーネントの短縮と合意分析は、3つのスコアが候補を異なるランク付けし、タスクの進行が融合決定において最大の重みを持つことを示している。
関連論文リスト
- TSBPO: Tree-Structured Branching for Policy Optimization in Interactive Language Agents [5.1676007380103135]
対話型言語エージェントのトレーニングには、どのタスクと状態継続をサンプリングするか、決定に遅延フィードバックを割り当てる方法、マルチトークンアクションのトークン損失を集約する方法、という3つの複合的な問題がある。
本稿では,これらの問題に対処する木構造サンプリング更新パラダイムTSBPOを提案する。
論文 参考訳（メタデータ） (2026-10-30T13:04:05Z) - How Much Can Best-of-N Help a World Action Model? Measuring Selectable Headroom and Realizing It in Closed Loop [12.419922816994642]
テスト時間選択は、候補行動の将来を想像し、最良の行動を実行することによって、一定のポリシーを改善することができることを示す。
本稿では,セレクタが実現可能なヘッドルームを計測し,その測定値を用いてフェールゲートセレクタを構築する。
4つのWAM, 2つのベンチマーク, 10000以上の分岐ロールアウト, および事前登録されたテストにおいて, (i) 標準推定値がネイティブサンプルの選択可能なヘッドルームを上書きし, (ii) 構造化された動作摂動が16ポイントまでの選択可能なヘッドルームを生成することがわかった。
論文 参考訳（メタデータ） (2026-10-27T13:17:18Z) - LAW: Unifying Language, Action, and World Modeling for Agentic Physical Intelligence [52.14897623664594]
本稿では,言語推論,アクション生成,世界モデリングを統合した閉ループVLM--WAMフレームワークであるLAWを紹介する。
LAWは50のRoboTwinタスクで平均94.21%の成功を達成した。
論文 参考訳（メタデータ） (2026-10-16T11:39:21Z) - VeriVLA: Adaptive Test-Time Verification for Flow-Based VLAs with Latent World Models [50.77784979595945]
トレーニング不要な2軸トリガを導入し,時間内変動とサンプル間のばらつきを測定した。
一度起動すると、JEPAベースの潜在世界モデルは、アクション条件付き将来の潜在状態を予測することによって、候補アクションチャンクをランク付けする。
提案手法は, 平均完了スコアを50.8%から65.5%に引き上げると同時に, トリガ決定毎のサンプリングと検証に326msを加算する。
論文 参考訳（メタデータ） (2026-10-15T14:34:44Z) - LoopWAM: Closed-Loop Generalist Policy Improvement from Deployment Rollouts [56.21252928632393]
LoopWAMは、現実世界のロールアウトから直接学習するクローズドループの世界アクションモデルである。
音源依存ノイズサンプリングは行動学習と行動条件付き世界モデリングを統合する。
ビデオトークンとアクショントークンは並列denoisingを通じて相互作用し、学習結果がアクション生成を直接通知する。
論文 参考訳（メタデータ） (2026-10-13T17:59:56Z) - World Action Modeling with Progressive Visual Planning [42.47105321176084]
本稿では,協調して行動を予測するプログレッシブ・ワールド・アクション・モデルであるProWAMについて述べる。
この設計は、大規模アクションフリービデオからサブゴール予測を学ぶことができるため、自然にスケールする。
効率的なアクション生成のために、ProWAMは単一のビデオバックボーンフォワードパスを実行し、スパースサブゴール機能をキャッシュする。
論文 参考訳（メタデータ） (2026-10-01T21:32:29Z) - When to Trust Imagination: Adaptive Action Execution for World Action Models [42.51856318901667]
世界行動モデル(WAM)は、近ごろ、将来の視覚的観察と将来の行動を共同で予測することによって、ロボット操作のための有望なパラダイムとして登場した。
現在のWAMは、各モデル推論の後、一定の数の予測アクションを実行し、ロボットは、想像された未来が実際の物理的なロールアウトと一致しているかどうかを無視する。
我々は,将来性検証問題として適応型WAM実行を定式化し,WAM予測された未来が信頼性を保ちながらロボットはより長く実行すべきであり,現実が想像力から逸脱した場合にはより早く再計画する。
論文 参考訳（メタデータ） (2026-05-07T13:18:28Z) - Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。
動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。
提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
論文 参考訳（メタデータ） (2024-08-30T15:39:34Z)
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。