世界運動モデル：SE(3)軌道の柔軟な系列モデリング

- 動的3D世界の生成priorとしてWorld Motion Models (WMMs)を提案。 - 要素を剛体SE(3)軌跡の集合で近似し、4Dモデリングの最小かつ表現力あるprimitiveとする。 - この表現でarticulated objects、human bodies、hand-object interactions、piecewise-rigid scene dynamics、camera motion、robot states/actionsを単一空間に統合。 - これらの同時分布を柔軟なsequence modeling問題として扱う。

- 従来の4Dモデリングや軌跡予測と比べ、SE(3)軌跡で多様な実体を統一的に表現。 - 任意の実体・時間ステップ間のany-to-any marginal conditioningを可能に。 - 単一ネットワークでfuture prediction、motion infilling、model-predictive control、inverse kinematics、cross-embodiment retargeting、policy learningをマスク変更のみで実行。 - 6つの3D vision/robotics応用で強い性能を示す。

- 動的シーン要素を剛体SE(3)軌跡の集合として近似。 - 同時分布をflow-matching with per-token noise levelsでモデル化。 - 非逐次条件付けのためのcontext token mechanismを導入。 - 任意の実体・時間ステップにマスクを適用することで多様なタスクを同一ネットワークで実現。

- 6つの多様な3D visionとrobotics応用実験で検証。 - 具体的タスクはfuture prediction、motion infilling、model-predictive control、inverse kinematics、cross-embodiment retargeting、policy learning。 - これらの実験でWMMsの汎用性と柔軟性、強い性能を実証。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明記されていない。 - 関連手法としてflow-matching、SE(3) trajectory modeling、sequence modeling、model-predictive control、inverse kinematics、cross-embodiment retargeting、policy learningが挙げられる。