論文の概要: Learning Latent Goal Costs for Visual World-Model Planning with an Expanding Curriculum
- arxiv url: http://arxiv.org/abs/2611.17529v1
- Date: Thu, 12 Nov 2026 21:28:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.262643
- Title: Learning Latent Goal Costs for Visual World-Model Planning with an Expanding Curriculum
- Title(参考訳): 拡張カリキュラムによる視覚的世界モデル計画のための潜在目標コストの学習
- Abstract要約: 凍結した視覚世界モデルによる計画は、目標に対してどのように予測された観測結果が採点されるかに依存する。
事前訓練されたビジュアルエンコーダからの埋め込み間の平均2乗誤差は、ゴール付近で有用な信号を与えることができる。
凍結したI-JEPA埋め込みの上に小さな残留アダプタを取り付け、この遅延した目標コストを改善する。
- 参考スコア(独自算出の注目度): 5.53749098112392
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image-goal planning with a frozen visual world model depends on how predicted observations are scored against the goal. Mean-squared error (MSE) between embeddings from a pretrained visual encoder can provide a useful signal near a goal, yet favor states across an obstacle that are visually similar to the goal and difficult to reach. We fit a small residual adapter on top of frozen I-JEPA embeddings to improve this latent goal cost. Starting near each goal, a planner collects trajectories from progressively wider regions of initial states. The adapter learns from the order of observations along successful trajectories, with additional comparisons inferred from failed rollouts. No task-specific progress labels are used for fitting, so the procedure can be applied to other goal-reaching tasks. DotWall and PointMaze are used in this work. In paired 50-case evaluations with identical starts, goals, world models, and planner settings, success increases from 54% to 98% in DotWall and from 82% to 96% in PointMaze. On 16 unseen DotWall layout-goal cases, the adapter fitted on one fixed layout improves agreement between latent-cost ordering and shortest legal-path ordering from 71.9% to 85.8%. The results indicate that planning experience can improve a frozen visual representation's goal cost without retraining the encoder or the world model.
- Abstract(参考訳): 凍結した視覚世界モデルによる画像ゴールプランニングは、目標に対してどのように予測された観測結果が得られたかに依存する。
事前訓練された視覚エンコーダからの埋め込み間の平均二乗誤差(MSE)は、目標付近で有用な信号を提供するが、目標と視覚的に類似し到達し難い障害物を越えて状態を求めることができる。
凍結したI-JEPA埋め込みの上に小さな残留アダプタを取り付け、この遅延した目標コストを改善する。
各目標の近くから、プランナーは初期状態のより広い領域からの軌道を収集する。
アダプタは、成功軌道に沿った観測順序から学習し、失敗したロールアウトから推測されるさらなる比較を行う。
タスク固有の進捗ラベルは使用されないため、他の目標達成タスクにも適用することができる。
この作業ではDotWallとPointMazeが使用されている。
同一のスタート、ゴール、ワールドモデル、プランナー設定を備えた50ケース評価の組み合わせで、成功率はDotWallで54%から98%、PointMazeで82%から96%に増加した。
16の未確認のDotWallレイアウトゴールケースでは、1つの固定されたレイアウトに取り付けられたアダプタは、遅延コストの注文と最短の合法パスの注文との合意を71.9%から85.8%に改善する。
その結果,エンコーダや世界モデルを再学習することなく,凍結した視覚表現の目標コストを改善することが可能であることが示唆された。
関連論文リスト
- Fast Plans, Faithful Actions: Closing the Planning-Execution Gap in Hierarchical Vision-Language-Action Models [23.784860376632242]
階層型視覚言語アクション(VLA)システムは、高レベルな視覚言語プランナーと、継続的なアクションを生成する低レベルなアクションエキスパートで構成される。
このようなシステムのひとつとして,$_0.5$から適応したウェイポイント階層パイプラインについて検討し,いずれの要件も満たされていないことを確認した。
論文 参考訳(メタデータ) (2026-09-25T05:22:23Z) - Aim Short to Reach Far: Your Frozen World Model Can Plan Better Than You Think [11.563626437122878]
Anchored Planning(AP)は、世界モデルのオフライン軌道を再利用するトレーニングフリーの手法である。
APは、アクション合成とアクションランキングの両方において、凍結したLeWMプランナを大幅に改善する。
論文 参考訳(メタデータ) (2026-09-24T16:05:02Z) - Planning with the Views via Scene Self-Exploration [109.01839437558927]
我々は、(1)単一のアクションがビューをどのように変換するかを考慮し、(2)ターゲットビューを特定するために、マルチターンプランにまたがる多くの変換をコンパイルすることを要求する、この機能ビュー計画と呼ぶ。
実際のScanNetシーンにおける3Dポイントクラウド環境であるViewSuiteの両機能について検討する。
論文 参考訳(メタデータ) (2026-05-28T08:15:23Z) - HIQL: Offline Goal-Conditioned RL with Latent States as Actions [81.67963770528753]
オフラインデータからゴール条件付きRLの階層的アルゴリズムを提案する。
この階層的な分解によって、推定値関数のノイズに頑健になることを示す。
提案手法は,従来の手法を巧みに操り,高次元画像観察にスケールできるとともに,アクションフリーなデータを容易に利用することができる。
論文 参考訳(メタデータ) (2023-07-22T00:17:36Z) - Long-Horizon Visual Planning with Goal-Conditioned Hierarchical
Predictors [124.30562402952319]
未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。
視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。
本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
論文 参考訳(メタデータ) (2020-06-23T17:58:56Z)
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。