KineWorld：身体性世界モデリングのための動作誘導型トランスポート場

- 具現化された世界モデル（embodied world model）の一種。 - 実行前に候補行動の視覚的結果を予測する。 - 既存の行動条件付き世界モデルは、一様重みの視覚生成目的を用いるため、具現化予測のニーズとずれることがある。 - 空間的に疎な変化（interactionに重要）を過小評価しがち。 - 提案手法KineWorldは、transport-awareな世界モデリングフレームワーク。 - ロボット運動学をmotion conditioningから生成監督の空間配分へ拡張する。

- 既存の行動条件付き世界モデルは、一様重みの視覚生成目的を採用。 - 明示的なmotion conditioningがあっても、interactionに重要な空間的に疎な変化を過小評価する。 - KineWorldは、ロボット運動学をmotion conditioningから生成監督の空間配分へ拡張。 - これにより、外観フィッティングから行動結果モデリングへのシフトを支持。 - 具体的な先行研究名は要旨からは不明。

- Kinematic Transport Lifting (KTL)：指令されたロボット運動から、renderer由来でcamera-alignedなtransport fieldsを構築。 - Transport-Aware World Diffusion (TAWD)：video-latent grid上でmotion supportを較正。 - 未来RGB flow matchingを、uniform分布とtransport-focused分布の正規化混合で再重み付け。 - これにより、空間的に疎な変化に焦点を当てた生成監督を実現。

- ALOHA-AgileX bimanual manipulation data（RoboTwin 2.0）を用いてKineWorldを訓練。 - 単一視点評価でEWMScore-P 68.95を達成。 - 多視点評価でTWB-Score 54.82を達成。 - これらの結果が、外観フィッティングから行動結果モデリングへのシフトを支持。

- 既存の行動条件付き世界モデルの一様重み目的が、具現化予測のニーズとずれる可能性を指摘。 - 空間的に疎な変化の重要性を強調。 - 提案手法の有効性を示す一方、限界や今後の課題については要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、action-conditioned world models、motion conditioning、flow matching、diffusion modelsが挙げられる。 - 同分野の定番として、RoboTwin 2.0、ALOHA-AgileX bimanual manipulation dataが参照されている。