T2-Z: ロボット世界モデルのためのテスト時環境潜在最適化

- ロボティクスにおけるworld modelの予測精度を向上させるため、環境要因を表すlatentをtest-timeに最適化する手法T2-Zを提案。 - 環境要因（摩擦、質量、人間定義のルールなど）は直接観測不能・未指定であることが多い。 - 学習可能なenvironment latentをworld modelに条件付け、環境変動を捉える。 - 訓練ではworld model最適化とenvironment latent最適化を交互に行い、テスト時にはworld modelを固定し、新規に初期化したlatentを少数の相互作用から最適化する。

- 従来のworld modelは環境要因を明示的にモデル化せず、未知環境への適応が困難だった。 - T2-Zは教師なしでenvironment latentを獲得し、test-timeに適応できる点が新しい。 - 7つのシミュレーション設定と4つの実世界タスクで、object prediction errorを15.20から7.00に削減、action successを33.73%から72.96%に向上。 - 単一のtest-time interaction trajectoryからでも効率的にlatentを推論可能。

- world modelにlearnable environment latentを追加し、予測を条件付け。 - 訓練は2段階：world-model optimization（latent固定で行動条件付きダイナミクスを学習）とenvironment-latent optimization（world model固定でlatentを最適化）。 - この交互最適化により、環境要因の教師なしでlatent構造が創発。 - テスト時はworld modelを凍結し、新規latentをテスト時相互作用から最適化。

- 7つのシミュレーション設定と4つの実世界ロボットタスクで評価。 - 指標：object prediction error metricが15.20→7.00、action successが33.73%→72.96%。 - 創発したlatentが多様な視覚シーンにおける個別・複合環境要因の構造的表現を捉えることを確認。 - アブレーションにより、単一のtest-time interaction trajectoryからでも効率的にlatentを推論できることを示した。

- 要旨からは、手法の限界や失敗ケース、計算コスト、スケーラビリティに関する議論は明示されていない。 - 環境latentの解釈性や一般化可能性についての詳細な分析は要旨からは不明。 - 実世界タスクにおける安全性やロバスト性への言及はない。

- 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、world models（例：Dreamer, PlaNet）、test-time adaptation、meta-learning、latent variable modelsが挙げられる。 - 具体的な論文名は要旨からは不明。