論文の概要: Beyond Prediction Gain: LASR as a Metric for Action-Grounded Latents in World Models
- arxiv url: http://arxiv.org/abs/2611.17775v1
- Date: Fri, 13 Nov 2026 05:35:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.311464
- Title: Beyond Prediction Gain: LASR as a Metric for Action-Grounded Latents in World Models
- Title(参考訳): 予測以上の利得: LASRは世界モデルにおける行動中心の潜伏者のための指標
- Abstract要約: 我々は,学習者が現在の状態を超えて行動関連目標に対する予測的支援を提供するか,あるいは非行動代替案以外の選択肢を提供するか否かをオフラインで評価する無次元指標であるLatent Action Support Ratio(LASR)を紹介した。
LASRは、既知の行動情報を検出し、代表的ノンアクションショートカットを拒絶し、不完全な潜伏表現のグレード付き比較を可能にする。
- 参考スコア(独自算出の注目度): 23.83608203177879
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World models that support planning, control, and interpretable reasoning require latent representations that genuinely encode action. Yet the large-scale video data from which such models are learned overwhelmingly lack action annotations. Latent-action models infer action-like variables from observation sequences, enabling action-aware learning from unlabeled videos or trajectories. A fundamental concern, however, remains: a latent that improves future prediction may simply encode the current state, episode progress, task identity, or other predictive shortcuts. Existing evaluation practices---reconstruction loss, rollout fidelity, action recovery, or downstream performance---cannot isolate this distinction. We introduce the Latent Action Support Ratio (LASR), a dimensionless metric that measures, under offline evaluation on held-out data, whether a learned latent provides predictive support for action-related targets beyond the current state and non-action alternatives. LASR provides two complementary summaries: GeoLASR captures typical support, while WorstLASR identifies the weakest case. We instantiate the LASR benchmark with recorded actions and corresponding physical state changes as targets, episode-held-out splits, one predictor type for all comparisons, and positive and negative controls. Experiments on recorded robot manipulation data and a matched multi-task panel demonstrate that LASR detects known action information, rejects representative non-action shortcuts, and enables graded comparisons among imperfect latent representations. We further use LASR to train and audit a lightweight residual adapter, obtaining descriptively better point estimates whose uncertainty is assessed with paired comparisons. LASR thus provides a principled offline protocol for measuring action-related predictive support in world-model latents.
- Abstract(参考訳): 計画、制御、解釈可能な推論をサポートする世界モデルは、アクションを真にエンコードする潜在表現を必要とする。
しかし、そのようなモデルから得られた大規模なビデオデータには、アクションアノテーションが圧倒的に欠けている。
潜在アクションモデルは、観察シーケンスからアクションのような変数を推論し、ラベルのないビデオや軌跡からのアクション認識学習を可能にする。
将来の予測を改善する潜伏者は、単に現在の状態、エピソードの進行、タスクアイデンティティ、その他の予測的ショートカットを符号化する。
既存の評価プラクティス - 再構築の損失、ロールアウトの忠実さ、アクションリカバリ、ダウンストリームのパフォーマンス - は、この区別を分離できない。
我々は,学習者が現在の状態を超えて行動関連目標に対する予測的支援を提供するか,あるいは非行動代替手段を提供するか否かを,保持データに対してオフラインで評価する無次元指標であるLatent Action Support Ratio(LASR)を紹介する。
LASRは2つの補完的な要約を提供する: GeoLASRは典型的なサポートをキャプチャし、WorstLASRは最も弱いケースを特定する。
我々は、記録されたアクションとそれに対応する物理状態変化をターゲットとしてLASRベンチマークをインスタンス化し、エピソードホールドアウト分割、全ての比較のための1つの予測型、正と負の制御を行う。
記録されたロボット操作データとマッチングされたマルチタスクパネルの実験は、LASRが既知の行動情報を検出し、代表的な非アクションショートカットを拒否し、不完全な潜伏表現間のグレードドド比較を可能にすることを示した。
さらに、RARを用いて軽量残差アダプタの訓練および監査を行い、ペア比較で不確実性を評価するための記述的に優れた点推定値を得る。
したがって、LASRは、ワールドモデルラテントにおけるアクション関連予測サポートを測定するための、原則化されたオフラインプロトコルを提供する。
関連論文リスト
- Uncovering Shortcut Amplification in Video RLVR through the Lens of Perceptual Uncertainty Collapse [58.43146242346935]
検証可能な報酬付き強化学習(RLVR)は、LMM(Large Multimodal Models)のビデオ推論能力を高めるための効果的な訓練後パラダイムとして登場した。
結果レベルの最適化は望ましくないショートカット増幅効果を導入できることを示す。
本稿では,2つの相補的な分布信号でポリシー更新を制御する自己蒸留フレームワークであるBifocal Self-distillation Policy Optimization (BSPO)を提案する。
論文 参考訳(メタデータ) (2026-10-27T13:26:13Z) - Prompt and Refinement: Asymmetric Mutual Learning for Infrared Small Target Detection with Noisy Labels [24.500092966235158]
Prompt and Refinement (PAR) は、赤外線小ターゲット検出のためのラベルノイズの非対称な相互学習パラダイムである。
3つのISTDデータセット上でのノイズの多いラベルシナリオによる実験は、PARが一貫して最先端のパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2026-10-05T07:34:18Z) - ATI-VLA: Action-Centric Predictive Vision-Language-Action Models via Actionable Alignment Then Adaptive Injection [58.95432059887781]
ATI-VLAはAction-Centric Predictive Vision-Language-Actionフレームワークである。
両方のモダリティを共有潜在空間にマッピングすることで、予測観測と行動表現を一致させる。
その後、予測された観測潜伏者を明示的な予測先行として行動復号に注入する。
論文 参考訳(メタデータ) (2026-10-01T14:12:23Z) - Taming CoT Obfuscation in VLMs: From Mechanistic Evidence to Activation Enforcement [74.92755267784983]
強化学習は、視覚言語モデルにおける推論を改善するが、チェーン・オブ・オファシケーションを誘発することができる。
本稿では, 行動フィードバックとテンプレート関連アクティベーションの標的抑制を組み合わせ, メカニスティック・エンハンスメント(TAME)を用いた標的的アンチ・オブファシケーションを提案する。
VIRL-39k、SPA-VL、および2つのモデルファミリの中で、TAMEはグループ相対政策最適化よりも最大30.9および16.7%のCoT監視性を改善している。
論文 参考訳(メタデータ) (2026-09-21T08:08:56Z) - JEPA Policy: Diffusion-Free Imitation Learning via Paired Action and Future Representation Prediction [6.889062419237111]
JEPA Policyは、アクションチャンクとその観測された将来の表現をペア化されたトレーニングターゲットとして使用する、拡散のないフレームワークである。
将来の予測は、アクションを生成するために使われる表現を形作ることができる。
その結果、反復的な生成サンプリングを伴わない低遅延ビズモータ模倣に対する実践的なアプローチとして、ペア・フューチャー・リ表現の監視を支援する。
論文 参考訳(メタデータ) (2026-09-09T02:42:20Z) - SLIM-0.5B: Learning Action-Grounded Predictive Latents for Robot Manipulation [35.54319311306262]
SLIM はコンパクトな潜在相互作用ポリシーである。
自己教師付きマスク付き軌道予測を通じて表現を学習する。
SLIMは、より少ないパラメータで、大規模なVLAとワールドアクションモデルベースラインとを一致または超える。
論文 参考訳(メタデータ) (2026-08-10T15:58:39Z) - Overcoming Statistical Bias in Action-Controllable World Models [18.890337378174678]
アクション条件付き世界モデルは、エージェントのアクションの下で視覚環境がどのように進化するかを予測することを目的としている。
将来のフレームは、しばしば視覚的慣性や反復的な動きパターンから非常に予測可能である。
アクション制御性を高めるために,CoCoという対実整合性フレームワークを紹介した。
論文 参考訳(メタデータ) (2026-08-05T10:10:36Z) - See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。
SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。
SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文 参考訳(メタデータ) (2026-03-10T07:22:51Z) - 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) - Feature Separation and Recalibration for Adversarial Robustness [18.975320671203132]
本稿では,特徴分離と再校正という手法を提案する。
分離と再校正を通じて、より堅牢な機能マップのために、悪意のある非不正なアクティベーションを再校正する。
これにより、計算オーバーヘッドが小さいため、既存の敵の訓練手法の堅牢性は最大8.57%向上する。
論文 参考訳(メタデータ) (2023-03-24T07:43:57Z) - Exploring Robustness of Unsupervised Domain Adaptation in Semantic
Segmentation [74.05906222376608]
クリーンな画像とそれらの逆の例との一致を、出力空間における対照的な損失によって最大化する、逆向きの自己スーパービジョンUDA(ASSUDA)を提案する。
i) セマンティックセグメンテーションにおけるUDA手法のロバスト性は未解明のままであり, (ii) 一般的に自己スーパービジョン(回転やジグソーなど) は分類や認識などのイメージタスクに有効であるが, セグメンテーションタスクの識別的表現を学習する重要な監視信号の提供には失敗している。
論文 参考訳(メタデータ) (2021-05-23T01:50:44Z)
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。