DualWAM: 非同期グローバル計画と局所修正のためのデュアルシステム世界行動モデル

- World Action Models (WAMs) はロボットの行動生成と将来の世界状態予測を同時に行う枠組み。 - 将来の視覚予測は計算コストが高く、既存 WAMs は長い action chunk で推論コストを償却するため閉ループ応答性が犠牲になる。 - 本研究は DualWAM を提案。global planning と local refinement を分離した dual-system WAM。 - 広い時間軸の world-action 生成を保ちつつ、高頻度の閉ループ行動更新を可能にする。

- 既存 WAMs は長い action chunk に依存し、閉ループ応答性が低いという課題があった。 - DualWAM は global planning と local refinement を非同期に分離し、広い時間軸の生成を維持しつつ高頻度更新を実現。 - Franka と Galbot での zero-shot 操作タスクで、最強の評価済み baseline より平均 4.5 ポイント成功率が向上。 - さらに critical-path で 16.6 倍の高速化を達成。

- 二つのシステムから構成。 - グローバル側 (system two) は、より広い world-action chunk に対して高ノイズの双方向 denoising を定期的に実行し、global plan を確立。 - ローカル側 (system one) は wrist-only で、中間 denoising 状態から時間的に整合した短い window を抽出し、最新の wrist 観測を用いて低ノイズ refinement を完了。 - wrist 観測は相互作用中の局所的な geometry、motion、contact に関する action-aligned な手がかりを提供。 - 両システムは共有された denoising trajectory に沿って非同期に動作。各 global plan は複数の local update で再利用され、system one は新鮮な interaction feedback を繰り返し取り込む。

- Franka と Galbot での zero-shot 操作タスクで評価。 - 最強の評価済み baseline より平均 4.5 ポイント成功率が向上。 - critical-path で 16.6 倍の高速化を達成。 - 追加研究で、役割に合った egocentric データと UMI データが成功率を 14 ポイント改善することを示す。 - 分離設計が edge-cloud 展開を自然にサポートし、baseline より通信オーバーヘッドが大幅に低いことも示す。

- 役割に合った egocentric および UMI データが成功率を 14 ポイント改善。 - 分離設計は edge-cloud 展開を自然にサポートし、baseline より通信オーバーヘッドが大幅に低い。 - その他の限界や議論は要旨からは不明。

- 要旨で参照/比較されている研究: World Action Models (WAMs)、baseline として評価された最強手法。 - 関連手法: egocentric データ、UMI データを用いた学習。 - 具体的な論文名は要旨からは不明。