何が起きたか

arXivに公開された論文（ID: 2608.09492v1）で、TempoWAM（Timing Execution by Monitoring Progress Online）が提案された。TempoWAMは、世界行動モデル（WAM）の実行方式を改善する軽量なプラグアンドプレイ方式である。従来のWAMは、推論ごとに行動チャンクを生成し、固定された実行ホライズンで実行後に再計画していた。TempoWAMは、リカレント進捗モニタが現在の観察、タスク指示、残りの行動、実行履歴からタスク進捗を推定し、適応実行プロトコルがチャンクがタスクを進めているかを評価して再計画の要否を判断する。また、タスク依存のキャリブレーション係数によるオンライン適応で、訓練と展開のギャップを埋める。実験はLIBERO、RoboTwin、実世界タスクで行われ、TempoWAMはWAM実行の効率と成功率のトレードオフを一貫して改善した。実ロボットでは、易しいタスクでWAMの推論回数を26.9%削減しつつ成功率を維持し、難しいタスクでは成功率を13.3ポイント向上させた。

Key Facts

TempoWAMは、世界行動モデル（WAM）の実行方式を改善する軽量なプラグアンドプレイ方式である。[0]
TempoWAMは、リカレント進捗モニタと適応実行プロトコルを用いて、再計画のタイミングを適応的に決定する。[0]
実験はLIBERO、RoboTwin、実世界タスクで行われ、TempoWAMはWAM実行の効率と成功率のトレードオフを一貫して改善した。[0]
実ロボットでは、易しいタスクでWAMの推論回数を26.9%削減しつつ成功率を維持し、難しいタスクでは成功率を13.3ポイント向上させた。[0]

なぜ重要か

この研究は、ロボットの行動生成における再計画のタイミングを適応化することで、計算資源の効率とタスク成功率の両立を図る点で重要である。固定ホライズンに依存しない方式は、実世界の多様なタスクへの適用可能性を示唆している。