世界モデリングはロボット行動学習で実際に何を改善するのか

- World Action Models (WAMs) において future-video prediction を action learning の補助監督として用いたとき、実行行動にどう影響するかを制御的に調べた研究。 - FastWAM と OpenWAM の2モデル系統で future-video prediction loss の ablation を実施。 - さらに $π_{0.5}$ に future-video prediction を auxiliary training objective として追加する手法も提案。

- 従来は task success の向上のみが報告されがちだったが、本研究は success だけでなく trajectory clustering や分布シフト下の挙動まで分析。 - モデル構造・初期化・robot training data・training steps を固定した制御的 ablation で予測監督の効果を切り分け。 - 大規模 pretrained video diffusion transformer (DiT) に依存せずとも利得が得られることを示唆。

- FastWAM と OpenWAM 内で future-video prediction loss を制御的に ablation し、他条件を固定。 - 成功軌跡を trajectory clustering で分類し、クラスタ別成功率とクラスタ頻度の変化を分析。 - $π_{0.5}$ には training 時のみ使う軽量 Transformer predictor を future-video prediction の auxiliary objective として追加。

- 既知タスクの clean 条件で predictive supervision により成功率がそれぞれ 24.38 および 72.91 percentage points 向上。 - trajectory clustering で複数の粗いクラスタ内で成功率上昇を確認し、クラスタ頻度がほぼ変わらない場合も含む。 - unseen tasks と environmental randomizations 下でも評価し、$π_{0.5}$ では 82.94% から 89.19% への向上を確認。

- 利得は既知タスクの実行改善に主に現れ、unseen tasks や環境ランダム化への信頼できる転移としては一貫しない。 - 両モデルとも評価した環境ランダム化下では低成功率で、predictive supervision の一貫した優位は見られない。 - 利得が trajectory pattern の頻度変化だけでは説明できない点を指摘。

- FastWAM - OpenWAM - $π_{0.5}$ - video diffusion transformer (DiT) を用いた world model 系研究（要旨では具体的な論文名は不明）