連続行動ワールドモデル：異なる実体間の時空間ダイナミクス事前分布の学習

- Continuous-Action World Models (CoAWM) というフレームワークの提案。 - 異なる embodiment や実行周波数をまたぐ robot action generation を支援する、cross-embodiment spatiotemporal dynamics priors を学習する。 - 中核は、robot actions の空間的・時間的構造を捉える shared latent function space。 - 観測・言語指示・現在の robot state を条件に latent action function を予測し、任意の query time に対して end-effector action を返す。

- 異なる embodiment と sampling frequency の trajectories を共通表現に持ち込める点を主張。 - これにより pretraining に使えるデータ源の範囲が広がり、より大規模で多様なデータセットへの scaling が容易になるとする。 - shared dynamics priors を task-conditioned action selection や temporal sampling から分離する設計を特徴とする。 - 具体的な先行研究との定量的比較は要旨からは不明。

- 学習は二段階。 - 第一段階の function pretraining では、異なる embodiment・sampling frequency の trajectories を共通表現に変換し、action reconstruction と temporal sampling views 間の consistency を通じて shared dynamics priors を学習。 - 第二段階では、pretrained function space を world-model backbone に接続。 - observations・language instructions・current robot state が latent action function の予測を条件づける。 - 単一の decoder が任意の query time を受け取り、対応する end-effector action を出力。

- 要旨からは不明。 - 記述されているのは、action reconstruction と temporal sampling views 間の consistency を用いた pretraining の仕組みのみ。 - 実験設定・ベンチマーク・評価指標・比較結果は要旨に記載がない。

- 要旨からは不明。 - 主張として、shared dynamics priors と task-conditioned action selection・temporal sampling の分離が、embodiment と control frequency をまたぐ転移の統一基盤になると述べる。 - 限界・失敗事例・計算コスト・データ要件などに関する議論は要旨に記載がない。

- 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、world models、action chunking、diffusion policy など同分野の定番手法を次に読む候補として挙げる。 - cross-embodiment 学習や heterogeneous robot trajectories を用いた pretraining に関する研究も候補。 - 具体的な論文名は要旨からは不明。