論文の概要: Physical Experience Builds Continual Spatial World Models

• arxiv url: http://arxiv.org/abs/2611.04016v1
• Date: Mon, 02 Nov 2026 21:59:48 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:45:37.700296
• Title: Physical Experience Builds Continual Spatial World Models
• Title（参考訳）: 連続的な空間世界モデルを構築する物理体験
• Abstract要約: 本研究は,空間空間モデルが徐々に有用になるためには,身体経験の繰り返しがどのような貢献をするかを問うものである。 異エピソード間の空間変化記憶は環境変化の関係を学習し、状態-行動-成果経験は動きの予測を洗練させる。 連続ナビゲーションは、以前の決定が無効になったときに予測メモリが振る舞いを変えるが、決定が正しいままでは動作が変わらないことを示す。
• 参考スコア（独自算出の注目度）: 5.0703757080690455
• License:
• Abstract: World models are increasingly used to support prediction and planning in embodied agents, but the knowledge is usually established before deployment and then carried into later encounters. Continual operation faces a different problem. A familiar environment may change, and the agent must use previous experience without allowing old expectations to override current physical evidence. This study asks what repeated physical experience must contribute for a spatial world model to become progressively more useful rather than simply more persistent. A physics-grounded dynamic maze separates recurring spatial change from the continuous consequences of action. Cross-episode Spatial Change Memory learns relations among environmental transformations, while state-action-outcome experience refines predictions of motion. Structured experience progressively reduces the need for future route correction and transfers to spatial transitions not encountered during learning. The advantage disappears when past changes contain no information about future ones. Continuous navigation further shows that predictive memory changes behavior when a previous decision becomes invalid but leaves behavior unchanged when the decision remains correct. Physical tests expose a complementary limit: correct topology does not guarantee correct action prediction, and accumulated physical experience reduces this mismatch within the modeled dynamics. The results characterize continual world knowledge as experience that improves future prediction and action beyond stored episodes while remaining revisable by the physical outcomes it is intended to predict.
• Abstract（参考訳）: 世界モデルは、エンボディエージェントの予測と計画を支援するためにますます使用されるが、その知識は通常、展開前に確立され、その後に遭遇する。 継続的な運用は別の問題に直面します。 慣れ親しんだ環境が変化し、エージェントは古い期待が現在の物理的証拠を覆すことなく、以前の経験を使わなければならない。 この研究は、空間的世界モデルが単に永続的ではなく、徐々に有用になるためには、物理的経験の繰り返しがどのような貢献をしなければならないのかを問うものである。 物理接地された動的迷路は、繰り返し起こる空間変化と行動の連続的な結果とを分離する。 異エピソード間の空間変化記憶は環境変化の関係を学習し、状態-行動-成果経験は動きの予測を洗練させる。 構造化された経験は、将来のルート修正の必要性を徐々に減らし、学習中に遭遇しない空間遷移へ移行する。 過去の変更が将来の変更に関する情報を含まない場合、その利点は消える。 連続ナビゲーションは、以前の決定が無効になったときに予測記憶が振る舞いを変えるが、決定が正しければ振る舞いは変わらないことを示す。 正しいトポロジーは正しい行動予測を保証せず、蓄積された物理的経験は、モデル化された力学におけるこのミスマッチを減少させる。 その結果、連続的な世界知識を、記憶されたエピソードを超えて将来の予測と行動を改善する経験として特徴づけると同時に、予測する物理結果によって変更可能なままである。

関連論文リスト

• Causal-fate dynamics of unrealized influence [5.503904431371255]
  我々は、生成した影響が実現されたり、潜伏していたり、その後のダイナミクスによって変換されたりする因果現象を定式化する。 コネクトームに拘束されたCaenorhabditis elegansモデルが最初に、未解決の神経間影響が持続し、その後の増殖に寄与するかもしれないという生物学的仮説を動機付けている。 この表現を用いてトランスフォーマーアーキテクチャを構築し、言語モデリング機能を維持しながら、遅延文脈の影響を明示的に伝達し、選択的に実現する。
  論文  参考訳（メタデータ） (2026-10-08T07:48:53Z)
• What Should World Models Forget? Stratified Retention for Continual Adaptation [50.195237138805886]
  連続学習は、予め見てきたデータの劣化を失敗の証拠として扱い、定常的な予測対象の設定から継承される慣例である。 世界モデルはこの条件を満たさない。 彼らの予測対象は環境であり、それが変化するので、取得時に正確であった知識は後に誤りになり、欠陥ではなく必要な振る舞いを破棄する。
  論文  参考訳（メタデータ） (2026-10-02T17:58:14Z)
• PileBelief: Persistent Physical State for Interaction-Driven World Modeling [22.888494219834413]
  PileBeliefは、部分的に観察された発掘のための相互作用駆動の永続的世界モデルである。 観測条件付き物理前兆と世界適応型変形記憶と物理応答メモリを組み合わせる。 5段階の共同予測誤差を10.8%減らし、オフライン動作選択の後悔を65.5%減らした。
  論文  参考訳（メタデータ） (2026-09-19T07:54:15Z)
• Continual Learning for Traversability Prediction with Uncertainty-Aware Adaptation [4.431224792587337]
  トラバーサビリティ予測は、非構造環境における自律ナビゲーションの重要な構成要素である。 近年の学習ベーストラバーサビリティ予測の進歩にもかかわらず、これらの手法は新しい地形に適応できないことが多い。 本稿では,新たな地形に漸進的に適応するトラバーサビリティ予測のための連続学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-15T13:07:14Z)
• World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
  世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。 これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。 可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
  論文  参考訳（メタデータ） (2026-09-15T06:22:42Z)
• UniMPA: A Unified Memory-Prediction-Action Model via Action-Grounded Transition Modeling [73.35395707747456]
  ビジョン・ランゲージ・アクションモデルの最近の進歩はロボット操作を改善しているが、基本的な遷移実現可能性のギャップによって観察・行動学習は制限されている。 将来の観測は、物理的に実現可能な遷移と必ずしも一致しない。 歴史的に実行可能なアクションパターンは、現在のシーンにおける意図した遷移を必ずしも認識しない可能性があるため、コンテキスト対応の適応が必要である。
  論文  参考訳（メタデータ） (2026-09-10T17:45:03Z)
• PraMem: Practice-derived Experiential Memory for Long-horizon Behavior Prediction [76.5874177305176]
  ロングホライズン行動予測は、長い履歴シーケンスに基づいてユーザの次のアクションを推測することを目的としている。 LLMは、長期の行動予測に取り組む際に、潜在行動パターン誘導とモデル固有の認知バイアスに悩まされる。 PraMemは、経験的なメモリを構築するために、長い履歴シーケンスを事前に実行します。
  論文  参考訳（メタデータ） (2026-07-03T02:25:48Z)
• Physics-Informed Learning for Human Whole-Body Kinematics Prediction via Sparse IMUs [22.48066288507073]
  本稿では、知識をトレーニングと推論の両方に統合し、人間の動きを予測する物理インフォームドラーニングフレームワークを提案する。 人間の運動の空間的特徴を考慮に入れたネットワークを提案する。 実験結果から,本手法は動作間のスムーズな遷移を高精度に達成し,未知の対象に対して良好に一般化できることが示唆された。
  論文  参考訳（メタデータ） (2025-09-30T03:02:04Z)
• The Empirical Impact of Forgetting and Transfer in Continual Visual Odometry [4.704582238028159]
  本研究は, ニューラルネットワークにおける破滅的記憶の影響と知識伝達の有効性を, 具体的環境下で連続的に学習したニューラルネットワークを用いて検討した。 環境間の高い伝達性を有する初期満足度性能を観察し,その後に特殊化相を呈する。 これらの知見は、生涯のロボット工学における適応と記憶保持のバランスをとることのオープンな課題を強調している。
  論文  参考訳（メタデータ） (2024-06-03T21:32:50Z)
• A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
  未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。 人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。 本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
  論文  参考訳（メタデータ） (2022-04-02T21:50:45Z)
• Reducing Representation Drift in Online Continual Learning [87.71558506591937]
  私たちは、エージェントが制限されたメモリと計算で変化する分布から学ぶ必要があるオンライン連続学習パラダイムを研究します。 この作業では、入ってくるデータストリームに未観測のクラスサンプルが導入されることにより、事前に観測されたデータの表現の変化に焦点を合わせます。
  論文  参考訳（メタデータ） (2021-04-11T15:19:30Z)

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。