遠くへ届くには近くを狙え：凍結世界モデルは思うより賢く計画できる

- 視覚世界モデル（visual world model）に基づくプランナーは、予測結果を目標画像との距離で評価する。 - 本研究は、この目標設定が制御を制限することを示し、中間目標（intermediate targets）の有効性を主張する。 - 凍結されたLeWMモデルを用い、Cube, PushT, Reacher, TwoRoomで検証。 - 学習された目標と観測経験から得た目標の両方が性能を向上させる。 - Anchored Planningを提案：現在と目標に類似した記録セグメントを検索し、その開始直後の観測を目標とする。 - 追加訓練なしで、長距離評価の全タスクでリリースされたLeWMプランナーを上回る。

- 従来のプランナーは最終目標画像への距離をスコアとして用いるが、これは制御を制限する可能性がある。 - 本研究は、中間目標を用いることで、正確なダイナミクスと大域的最適短地平探索でも達成できない目標を達成可能にする。 - 凍結モデルでも、観測された目標への計画がリリースされたLeWMプランナーを全タスクで上回る。 - 最終目標探索の追加は同じ利得に達しない。 - 後続予測誤差の低減が必ずしも制御向上に繋がらないことを示す。

- Anchored Planning：記録されたセグメントから、現在と目標の観測に類似した開始と終了を持つものを検索。 - そのセグメントの開始直後の観測を中間目標として設定。 - 凍結モデルが現在状態からこの目標に向かう行動をスコアリング。 - 目標の配置する先読み距離と、実行が進むにつれて検索スパンを縮小することが成功に重要。 - 目標を変更するだけで、同じ凍結モデルとプランナーが最終目標スコアリングでは見逃す目標に到達可能。

- Cube, PushT, Reacher, TwoRoomの4タスクで評価。 - 凍結LeWMモデルを使用し、行動合成と記録行動ランキングの改善を確認。 - 学習された目標と観測経験からの目標の両方で利得を確認。 - 長距離評価で、追加訓練なしにリリースされたLeWMプランナーを全タスクで上回る。 - 最終目標探索の追加が同じ利得に達しないことを比較。

- 最終目標への距離スコアリングは、目標に到達するために最初に離れる行動が必要な場合に制限となる。 - 中間目標の使用が制御性能を向上させるが、後続予測誤差の低減は必ずしも制御向上に繋がらない。 - 成功は目標の先読み距離と検索スパンの縮小に依存する。 - 目標を変更するだけで、同じ凍結モデルとプランナーが最終目標スコアリングでは見逃す目標に到達可能。 - 要旨からは、他の要因や限界についての議論は不明。

- LeWMモデル（リリースされたプランナーを含む） - 視覚世界モデルに基づくプランナー（一般的な手法） - 目標条件付きプランニング（goal-conditioned planning） - 中間目標を用いた階層的プランニング（hierarchical planning with intermediate targets） - 後続予測（successor prediction）の評価