日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
モデルベース強化学習arXiv:2609.29171

表現世界モデル：表現空間における状態・遷移・実行可能計画の学習

Representation World Model: Learning States, Transition and Executable Plans in Representation

シェア:XThreadsFacebookLINEはてブBluesky

潜在表現空間内で直接的に状態・遷移・計画を学習し、再帰的ロールアウトや行動空間探索なしに計画を実行する手法を提案。連続制御とロボットマニピュレーションで有効性を示す。

詳しい要約

1. どんなもの？

- 提案は Representation World Model (RWM)。 - states, transitions, executable plans を representation space で直接学習。 - 既存 world model のように latent representation と explicit dynamics model を別々に学び、search/optimization/policy で planning するのではなく、planning を learned representation geometry に組み込む。 - 推論時は current と goal の representation 間の latent path を直接構成し、inverse dynamics で action を復元。recursive rollouts や action-space search は不要。 - continuous-control benchmarks と robotic manipulation で有効性・可能性を示す。

2. 先行研究と比べてどこがすごい？

- 既存 world model は通常、latent representation と explicit dynamics model を同時に学習し、planning を search, optimization, policy-based prediction で行う。 - RWM は planning を learned representation geometry に直接組み込む点が異なる。 - 推論時に recursive rollouts や action-space search を必要とせず、latent path 構築と inverse dynamics で action を復元する。 - これにより conventional world-model planning に対する代替を提示。

3. 技術・手法の肝は？

- representation geometry を、endpoint representations から構成した latent paths に沿って inverse-dynamics supervision を局所的に適用して学習。 - この latent paths は task-relevant state と transition information を保持するよう要求。 - 推論時は current と goal の representation 間の latent path を直接構築。 - inverse dynamics を用いて対応する action を復元。 - recursive rollouts や action-space search を回避。

4. どうやって有効だと検証した？

- continuous-control benchmarks で direct planning の有効性を実験的に示す。 - robotic manipulation の結果から、より複雑な embodied control tasks への拡張可能性を示す。 - 具体的なベンチマーク名、比較手法、評価指標は要旨からは不明。

5. 議論はある？

- 結果は、representation space で直接 planning することが conventional world-model planning の有望な代替となることを示唆。 - 限界や失敗事例、計算コスト、スケーラビリティに関する議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている具体的な先行研究は明示されていない。 - 関連手法として、latent representation と explicit dynamics model を学ぶ既存の world models、planning に search/optimization/policy-based prediction を用いる手法、inverse dynamics を用いる手法が挙げられる。 - 同分野の定番として、model-based reinforcement learning、latent dynamics models、continuous-control benchmarks に関する研究を読むべき。

※ 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: Yijun Yuan, Weicheng Zheng, Weibang Wang, Minghui Qin, Chang Sun, Junhao Huang, Kenan Li, Anmin Liu, Yicheng Yao, Hang Zhao

分類: cs.RO, cs.CV

原文アブストラクト

We propose the Representation World Model (RWM), which learns states, transitions, and executable plans directly in representation space. Unlike existing world models that typically learn latent representations together with explicit dynamics models and perform planning through search, optimization, or policy-based prediction, RWM directly incorporates planning into the learned representation geometry. RWM learns the representation geometry by applying inverse-dynamics supervision locally along latent paths constructed from endpoint representations, requiring these paths to preserve task-relevant state and transition information. At inference, planning is performed by directly constructing a latent path between the current and goal representations, with inverse dynamics used to recover the corresponding actions, without recursive rollouts or action-space search. Experiments on continuous-control benchmarks demonstrate the effectiveness of RWM for direct planning, while results on robotic manipulation further show its potential to extend to more complex embodied control tasks. These results suggest that planning directly in representation space provides a promising alternative to conventional world-model planning.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI