論文の概要: Bind-WAM: Binding-Uncertainty-Guided Selective Future Imagination in World Action Models
- arxiv url: http://arxiv.org/abs/2611.15368v1
- Date: Wed, 11 Nov 2026 11:48:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.115825
- Title: Bind-WAM: Binding-Uncertainty-Guided Selective Future Imagination in World Action Models
- Title(参考訳): Bind-WAM:世界行動モデルにおけるバインディング不確実性誘導選択的未来イマジネーション
- Abstract要約: Bind-WAMは、将来の選択的想像力のための結合不確実性誘導型WAMである。
我々は、Bind-WAMが結合不確実性を強い解釈可能な信号として確立し、将来の選択的想像力を示すことを示す。
- 参考スコア(独自算出の注目度): 32.87067324940012
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: World Action Models (WAMs) can improve robot learning by jointly predicting future visual states and actions, but generating a visual future at every replanning step is expensive and sometimes unnecessary. This raises a critical question: when should a robot policy imagine the future? In this paper, we propose Bind-WAM, a binding-uncertainty-guided WAM for selective future imagination. Bind-WAM introduces language-object binding uncertainty, selectively invoking joint future-action generation when the current observation does not support stable task-relevant action generation. An offline labeling pipeline uses complete demonstrations and action context to identify task-relevant objects and detect reference mismatch, invisibility, and identity drift. The resulting pseudo-labels supervise a lightweight router that predicts binding uncertainty from the current observation and language instruction. At inference, a shared WAM policy invokes selective future imagination according to the predicted uncertainty and its change between consecutive replanning steps. Simulation and real-world experiments demonstrate that Bind-WAM can establish binding uncertainty as a strong, interpretable signal for selective future imagination.
- Abstract(参考訳): 世界行動モデル(WAM)は、将来の視覚状態と動作を共同で予測することで、ロボット学習を改善することができる。
ロボット政策はいつ未来を想像すべきなのか?
本稿では,バインディング不確実性誘導型WAMであるBind-WAMを提案する。
Bind-WAMは言語オブジェクト結合の不確実性を導入し、現在の観察が安定なタスク関連アクション生成をサポートしていない場合に、ジョイント・フューチャー・アクション生成を選択的に起動する。
オフラインラベリングパイプラインは、完全なデモとアクションコンテキストを使用してタスク関連オブジェクトを特定し、参照ミスマッチ、可視性、アイデンティティドリフトを検出する。
その結果得られた擬似ラベルは、現在の観測と言語命令からバインディングの不確実性を予測する軽量ルータを監督する。
推測において、共有WAMポリシーは、予測された不確実性や、連続的な計画段階間の変化に応じて、選択的な将来の想像力を呼び起こす。
シミュレーションと実世界の実験により、Bind-WAMが結合不確実性を強い解釈可能な信号として確立し、将来の選択的想像力を示すことが実証された。
関連論文リスト
- 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) - Foresight Without Seeing: Latent Futures for World Action Models [31.423405133926334]
本稿では,動的条件付き直接政治WAMであるForeWAMを提案する。
また、凍結した潜伏行動教師が指導するダイナミクスを導入し、物体の動きや接触変化、タスクの進行といった相互作用によって引き起こされる遷移を、暗黙の未来の状態が捉えることを奨励する。
ロボットデータの事前トレーニングがなければ、ForeWAMの標準版と加速版は平均96.7%、LIBEROは96.9%である。
論文 参考訳(メタデータ) (2026-08-12T03:27:43Z) - Disentangling Visuo-Tactile Foresight: Oracle-Guided Interface Discovery for World Action Models [4.240284950848863]
Oracle Visuo-Tactile Foresight (OVTF)は、シミュレーションで検証された軌道から、ペア化されたRGBと触覚未来を提供する。
OVTF内では、視覚記憶が将来のビジョンを読み取る非対称位相ローカル・フューチャーメモリ(AFM)を提案する。
AFM と IFM (Modality-Isolated Future Memory) を比較した。
論文 参考訳(メタデータ) (2026-08-01T09:04:43Z) - EV-WM: Event-Verified World Models for Long-Horizon Robotic Manipulation [0.815557531820863]
ロングホライゾン操作は、関係性、述語レベル、物理的に接地された進行信号を必要とする。
我々は,ワールド・モデル・プランニングのための述語型検証フレームワークである textbfEV-WM を紹介する。
論文 参考訳(メタデータ) (2026-06-11T08:35:37Z) - From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation [88.39072412680633]
将来の映像を実行可能な表現に変換する制御指向インタフェースであるMoLAを提案する。
我々は,シミュレーションベンチマークと実世界のロボット操作タスクに対するアプローチを評価した。
論文 参考訳(メタデータ) (2026-05-12T14:15:16Z) - See Tomorrow, Act Today: Foresight-Driven Autonomous Driving [87.02582063534608]
ForeSightは、予測された意思決定として自動運転を再設計する基礎的世界モデル中心の計画フレームワークである。
提案手法は,(1)事前学習された世界モデルを用いて,有望な未来世界を生成すること,(2)これらの未来を前提とした計画行動を行うこと,の2段階からなる。
論文 参考訳(メタデータ) (2026-05-08T03:42:05Z) - LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。
そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。
R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
論文 参考訳(メタデータ) (2026-03-31T02:21:59Z) - Reimagination with Test-time Observation Interventions: Distractor-Robust World Model Predictions for Visual Model Predictive Control [51.14656121641822]
世界モデルは、現在の観測と計画された行動によって、ロボットが将来の観察を「想像」することができる。
新たな視覚的障害は、行動結果の予測を破損させ、ロボットが計画や行動検証のために世界モデルの想像力に依存するとき、下流の障害を引き起こす可能性がある。
本稿では、世界モデルによるより信頼性の高い行動結果の予測を可能にする簡易かつ効果的なテストタイム戦略であるReOI(Reimagination with Observation Intervention)を提案する。
論文 参考訳(メタデータ) (2025-06-19T19:41:29Z) - FIMP: Future Interaction Modeling for Multi-Agent Motion Prediction [18.10147252674138]
動作予測(FIMP)のための未来のインタラクションモデリングを提案し,その将来的なインタラクションをエンドツーエンドで捉える。
実験により,今後のインタラクションモデリングにより性能が著しく向上し,Argoverseモーション予測ベンチマークの性能が向上することが示された。
論文 参考訳(メタデータ) (2024-01-29T14:41:55Z) - Learning Vision-based Pursuit-Evasion Robot Policies [54.52536214251999]
我々は、部分的に観察可能なロボットの監督を生成する完全観測可能なロボットポリシーを開発する。
我々は、RGB-Dカメラを搭載した4足歩行ロボットに、野生での追従回避のインタラクションにポリシーを展開させる。
論文 参考訳(メタデータ) (2023-08-30T17:59:05Z)
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。