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
身体性世界モデルarXiv:2610.03374

EVEWorld: 身体性世界モデルのための物理的進化監督

EVEWorld: Physical Evolution Supervision for Embodied World Models

シェア:XThreadsFacebookLINEはてブBluesky

操作対象の時間的変化を監視する2つの機構で身体性世界モデルを訓練し、物理的に一貫した対象の進化を実現する枠組みを提案した。

詳しい要約

1. どんなもの？

- Embodied world models の物理的一貫性を高める枠組み EVEWorld を提案。 - 目的は Model Laziness の抑制で、視覚的忠実度偏重と時系列動態の過程監督欠如を問題視。 - 構成は Instance-Guided Restoration (IGR) と Temporal Instance Alignment (TIA)。 - 指標 Model Laziness Rate (MLR) を導入し、生成軌跡の instance consistency 違反を測る。

2. 先行研究と比べてどこがすごい？

- 既存の embodied world models は視覚的忠実度を優先し物理推論を犠牲にし、操作対象の時間的動態への過程レベル監督が欠如。 - EVEWorld は物理進化監督により target evolution の一貫性を促す。 - GigaWorld-0 と比較し MLR を 87.5% 削減。 - WorldArena 2.0 Track 1 で JEPA Similarity 6位、総合17位。

3. 技術・手法の肝は？

- Instance-Guided Restoration (IGR): restoration supervision により instance consistency を促進。 - Temporal Instance Alignment (TIA): 隣接フレーム間で target instances を整列し cross-frame consistency を促進。 - Model Laziness Rate (MLR): 生成軌跡における instance consistency の持続的違反を測定する指標。

4. どうやって有効だと検証した？

- DreamGenBench、EWMBench、PBench での広範な実験で有効性を実証。 - GigaWorld-0 比で MLR を 87.5% 削減。 - WorldArena 2.0 Track 1 リーダーボードで JEPA Similarity 6位、総合17位。

5. 議論はある？

- 要旨からは不明。 - Model Laziness の定義や MLR の詳細、限界、失敗事例についての議論は記述されていない。

6. 次に読むべき論文は？

- GigaWorld-0（比較対象として明示）。 - DreamGenBench、EWMBench、PBench（評価に使用）。 - WorldArena 2.0 Track 1（リーダーボード）。 - 関連手法として embodied world models、JEPA Similarity が挙げられる。

※ 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: Kaiqi Wang, Songxin Zhang, Zejian Xie, Xiao Xiong, Zhuoyang Song, Ziwei Wu, Jun Yu Lu, Yitan Teng, Ziying Song, Jiaxing Zhang

分類: cs.CV

原文アブストラクト

Embodied world models enable scalable simulation of embodied interactions for robot learning. However, existing models are prone to Model Laziness, as they focus on visual fidelity at the expense of physical reasoning and lack process-level supervision over the temporal dynamics of manipulated objects. In this work, we propose EVEWorld, a physical evolution-supervision framework for physically consistent target evolution. EVEWorld consists of two components: Instance-Guided Restoration (IGR) and Temporal Instance Alignment (TIA). First, IGR promotes instance consistency through restoration supervision. Second, TIA promotes cross-frame consistency by aligning target instances across adjacent frames. We further introduce the Model Laziness Rate (MLR), a metric that measures persistent violations of instance consistency in generated trajectories. Extensive experiments on DreamGenBench, EWMBench, and PBench demonstrate the effectiveness of EVEWorld, notably achieving an 87.5% reduction in MLR compared with GigaWorld-0. On the WorldArena 2.0 Track 1 leaderboard, our model ranks 6th in JEPA Similarity and 17th overall, which further validates the performance of our evolution supervision strategy.

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