どれだけの計画で十分か？ワールドモデル計画における探索と計算の削減

ビジュアル world model を用いた goal-directed control における decision-time action search の計算効率問題を扱う研究。Full-budget の action と一致しなくても competitive な性能が得られること、十分な budget は model–task ペアごとに異なること、iterative planner が solve-invariant context を繰り返し encode していることを示す。提案 SufficientPlan は pretrained world model や planner の更新を必要とせず、PSBC と SCR により model–task 固有の削減 budget を認定しつつ planning latency を下げる。

従来は保守的に大きな planning budget を前提とし、Full-budget action との一致を性能指標のように扱う傾向があった。本研究は Full-budget と一致しなくても competitive な性能が得られること、十分な budget が model–task ペアで異なること、iterative planner が solve-invariant context を繰り返し encode する無駄を示した点が新しい。SufficientPlan は pretrained world model や planner updates を変更せずに budget 削減と latency 低減を両立する。

SufficientPlan は pretrained world model と planner を変更しない deployment framework。PSBC (Paired Sequential Budget Certification) は paired closed-loop evidence を用い、事前定義した Full-performance tolerance 内で削減された model–task-specific budget を探索・認定する。SCR (Static-Context Reuse) は search iterations 間で observation と goal の representation を cache し、candidate-dependent planning と selected actions は保持する。

複数の world-model backbones と visual-control tasks で実験。SufficientPlan が search budgets と planning latency を大幅に削減しつつ、competitive な control performance を維持することを示した。

Full-budget action との一致が必ずしも性能に必要でないこと、十分な budget が model–task ペアごとに異なること、iterative planner の solve-invariant context 再エンコードが非効率であることを議論。SufficientPlan は pretrained world model や planner updates を必要としない点が実用上の利点。

要旨で参照・比較されている個別研究は明示されていない。関連手法として visual world models、decision-time action search、iterative planners (例: MPC 系)、model-based reinforcement learning の planning budget 削減研究を挙げる。