論文の概要: Does Your World Model Know Actions Have Consequences?
- arxiv url: http://arxiv.org/abs/2611.15048v1
- Date: Wed, 11 Nov 2026 05:21:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.049637
- Title: Does Your World Model Know Actions Have Consequences?
- Title(参考訳): あなたの世界モデルはアクションに関連があることを知っていますか?
- Abstract要約: エンボディード・ワールド・モデル(英語: Embodied World Model、WM)は、観測や行動から直接次世代の潜伏状態を予測する暗黙の学習システムである。
現在のメトリクスは、モデル出力の品質に重点を置いているが、反現実的なアクションのモデリング結果の忠実さを評価できない。
- 参考スコア(独自算出の注目度): 6.240993036932079
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Embodied world models (WMs) are implicit learning systems that predict the next future latent state directly from observations and actions. Unique from other end-to-end learning systems, the dynamics predictor of WMs can simulate the environment's response to alternative actions without physical deployment nor pre-specifying states of the dynamical system. Current metrics focus on the quality of model outputs, e.g., clarity of reconstructions or task success, but fail to assess the fidelity of modeling consequences of counterfactual actions. Inspecting the forced response to action perturbations through sensitivity analysis is one way to audit how well WMs can predict the consequences of counterfactual actions. Deploying WMs on hardware will require new evaluation frameworks to analyze the tradeoffs between state error and accurate sensitivity prediction.
- Abstract(参考訳): エンボディード・ワールド・モデル(英語: Embodied World Model、WM)は、観測や行動から直接次世代の潜伏状態を予測する暗黙の学習システムである。
他のエンド・ツー・エンドの学習システムと異なり、WMの動的予測器は、物理的展開や動的システムの事前特定状態のない代替行動に対する環境の応答をシミュレートすることができる。
現在のメトリクスは、モデルアウトプットの品質、例えば、再構築の明確さやタスクの成功に焦点を当てていますが、反現実的なアクションのモデリング結果の忠実さを評価できません。
感度分析によって行動摂動に対する強制的な反応を検査することは、WMが反現実的行動の結果をどれだけ正確に予測できるかを評価する1つの方法である。
ハードウェアにWMをデプロイするには、状態エラーと正確な感度予測の間のトレードオフを分析するための新しい評価フレームワークが必要である。
関連論文リスト
- Natural State-Prediction Accuracy can Hide Weak Controlled Responsiveness in VLA Readouts [0.9074436804060135]
本稿では,予測精度,目標状態応答性,コンテキスト安定性を分離する評価フレームワークを提案する。
高自然軌道精度は、固定表現対における弱い制御された目標状態応答性と共存することができる。
論文 参考訳(メタデータ) (2026-09-28T09:10:23Z) - WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。
物理シミュレータが期待する観測能力を用いてACWMを評価する。
WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
論文 参考訳(メタデータ) (2026-08-10T08:48:06Z) - Learning Explicit Behavioral Models with Adaptive Questions and World-Model Probes [33.45606616891203]
明示的行動モデル(ESBM)は、型付き述語、重み付けされたルール、バウンドオプション、メカニズムメモリを通しての振る舞いを表す。
適応的な質問とアクティブなワールドモデルプローブはスコアエラー、QAエラー、遷移予測エラーをローカルESBM編集の制約に変換する。
ESBMは明確な回答と実行可能なメカニズム予測を生成しながら、ハイスコアなポリシーを学びます。
論文 参考訳(メタデータ) (2026-06-05T10:34:55Z) - AGWM: Affordance-Grounded World Models for Environments with Compositional Prerequisites [18.635313325437664]
我々は,行動の動的実行可能性を明確に追跡するために,前提条件依存のDAGとして表される抽象的な空き構造を学習するAGWM(Affordance-Grounded World Model)を提案する。
ゲームベースのシミュレーション環境の実験では、より低いマルチステップ予測誤差、新しい構成へのより良い一般化、解釈可能性の向上により、本手法の有効性が示された。
論文 参考訳(メタデータ) (2026-05-07T18:46:44Z) - 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) - Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。
連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。
複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
論文 参考訳(メタデータ) (2026-02-04T05:37:09Z) - From Physics to Machine Learning and Back: Part II - Learning and Observational Bias in PHM [52.64097278841485]
物理インフォームドモデリングとデータストラテジーによる学習と観察バイアスの導入は、モデルを物理的に一貫した信頼性のある予測へと導くことができるかを検討する。
メタラーニングや少数ショットラーニングなどの高速適応手法をドメイン一般化手法とともに検討する。
論文 参考訳(メタデータ) (2025-09-25T14:15:43Z) - What-If Analysis of Large Language Models: Explore the Game World Using Proactive Thinking [50.72154186522052]
大規模言語モデル(LLM)は情報処理をリアクティブに行う能力に優れるが、仮説的未来を体系的に探索する能力に欠ける。
提案するWiA-LLMは,LLMにプロアクティブな思考能力を持たせる新しいパラダイムである。
複雑なマルチプレイヤーゲーム環境であるHonor of KingsにおけるWiA-LLMを検証する。
論文 参考訳(メタデータ) (2025-09-05T04:05:27Z) - Do Vision-Language Models Have Internal World Models? Towards an Atomic Evaluation [54.3628937181904]
内部世界モデル(英語版)(WM)は、エージェントが世界の状態を理解し、遷移を予測することを可能にする。
近年,OpenAI o3, GPT-4o, Geminiなどの大規模視覚言語モデル(VLM)は汎用的なWMとしての可能性を示している。
論文 参考訳(メタデータ) (2025-06-27T03:24:29Z) - Zero-shot Safety Prediction for Autonomous Robots with Foundation World Models [0.12499537119440243]
世界モデルは、コントローラを訓練し、システムの内部のダイナミックモデルを学ぶことによって安全違反を予測するために代理世界を作成する。
本稿では,観察を意味的かつ因果的に潜伏した表現に組み込む基礎世界モデルを提案する。
これにより、Surrogate dynamicsは、トレーニング不要な大規模言語モデルを活用することで、因果先状態を直接予測できる。
論文 参考訳(メタデータ) (2024-03-30T20:03:49Z)
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。