世界モデル2026/9/11arXiv:2609.12441

IMPLY: 物理に基づく世界モデル予測の一貫性評価

IMPLY: Physically Anchored Consistency for World-Model Rollouts

世界モデルの予測が物理的に正しいかを、シミュレータを逆解析して較正用の押し動作に照らして評価する手法を提案。

詳しい要約

1. どんなもの？

- 世界モデルが物体を異なる速度で押したときの未来予測を生成する際、その予測が物理的に整合しているかを評価する手法IMPLYを提案。 - 従来の自己整合性チェックでは不十分であることを示し、物理に基づくアンカリングの重要性を主張。 - シミュレータを逆に解くことで各ロールアウトが暗示する物理パラメータ（質量や摩擦）を読み取り、それらが一つの物体で説明できるかでスコアリングする。

2. 先行研究と比べてどこがすごい？

- 従来の自己整合性チェックは、モデルの未来予測同士が一致するかを見るだけで物理を考慮しない。 - IMPLYは物理に基づくアンカリングを行い、物体を無視するモデルを暴露できる（AUROC 0.70 vs 1.00）。 - 自己整合性では正しい証拠を選ぶのがチャンスレベル（52%）であるのに対し、アンカリングでは73%で選び、誤差と0.92-0.99の相関を示す。

3. 技術・手法の肝は？

- シミュレータを逆に解くことで、各ロールアウトが暗示する物理パラメータを推定。 - モデルが観測した2つのキャリブレーションプッシュにアンカリングし、一つの物体で全てのロールアウトを説明できるかでスコアリング。 - 候補ロールアウトセットの選択に使用すると、真実を見るオラクルに0.003以内で迫る性能。

4. どうやって有効だと検証した？

- 制御設定で、物体を無視するモデルに自己整合性が完璧なスコアを与える一方、アンカリングがそれを暴露（AUROC 0.70 vs 1.00）。 - 実モデルV-JEPA 2-ACをシーンに適応させ、同じ現象を確認。 - 自身のキャリブレーションプッシュを与えると物体追跡の相関0.91、他物体の場合は0.05。 - 自己整合性はこれらを区別できず（52%）、アンカリングは73%で正しい証拠を選好。

5. 議論はある？

- 内部に誤った物体を内在化したモデルも、正しい物体を内在化したモデルと同程度に自己整合的である。 - 一貫性は証拠にアンカリングされる必要がある。 - 物理に基づくアンカリングの重要性を強調。

6. 次に読むべき論文は？

- V-JEPA 2-AC（実モデルとして使用） - 自己整合性チェック（従来手法として比較） - シミュレータ逆問題（物理パラメータ推定の関連手法）

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Aman Mehta, Riya Baviskar

分類: cs.RO, cs.AI, cs.CV, cs.LG

原文アブストラクト

A world model asked what happens if an object is pushed at several speeds produces several futures. If the model has the object in mind, those futures agree about it: each implies the same mass and friction. The consistency checks now used to vet world-action models ask whether a model's futures agree with each other, and none of them knows any physics. We show that this is not enough, and what to do instead. IMPLY reads the physics each rollout implies by inverting a simulator and scores a set of rollouts by how well one object explains all of them, anchored to two calibration pushes the model has observed. In a controlled setting, self-consistency gives a perfect score to a model that ignores the object and always predicts a typical push; anchoring exposes it (AUROC 0.70 versus 1.00). On a real model, V-JEPA 2-AC adapted to the scene, the same thing happens. Given its own calibration pushes the model tracks the object (per-object correlation with the truth 0.91); given another object's, it does not (0.05). Self-consistency cannot tell these apart, preferring the right evidence on 52% of objects, chance level, while anchored disagreement prefers it on 73% and correlates 0.92-0.99 with the rollouts' error. Used to choose among candidate rollout sets, it comes within 0.003 of an oracle that sees the truth. A model that has internalised the wrong object is exactly as self-consistent as one that has internalised the right one; consistency has to be anchored to evidence.

arXivで原文を読む →arXiv概要ページ