潜在世界モデルの限界を探る
Understanding the limits of latent world models
環境の遷移写像と学習された潜在ダイナミクスの同変性として「忠実な潜在世界モデル」を定義し、潜在ロールアウト整合性(LRC)指標を提案。最先端モデルのいずれも環境ダイナミクスを忠実にモデル化してタスクを解いていないことを示した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Rodrigo Gonzalez Laiz, Steffen Schneider
分類: cs.LG, cs.AI
原文アブストラクト
World models are widely proposed as core components for enabling agents to reason over long temporal and spatial horizons. Yet current evaluations often emphasize task performance while providing limited insight into whether learned world models acquire predictive latent dynamics that reflect the underlying structure of the environment. Here we introduce the concept of faithful latent world models as an equivariance condition between the environment's transition map and the learned latent dynamics. We propose latent rollout consistency (LRC) as a metric to evaluate action-conditioned latent prediction. Strikingly, we find that across the studied state of the art latent world models, none solves the task by actually faithfully modeling the dynamics of the environment.