pico-WAM：小型ワールドアクションモデルにおける反事実予測と計画誤差の評価

- pico-WAM という compact な World Action Model の評価研究。 - 制御失敗時のボトルネックが proposal generation か trajectory scoring かを切り分ける狙い。 - 物理状態を外部供給する構成で policy と dynamics の相互作用を追跡。 - Push-T の 206 demonstrations と 15 training seeds を用いて data regimes と search configurations を比較。 - 再現可能な診断プロトコルを提供する。

- 要旨からは不明（先行研究との直接比較は明示されていない）。 - 貢献として、制御失敗の原因を proposal と scoring に分解して介入比較する点を提示。 - counterfactual branch training や simulator costs への置換など、構成要素ごとの介入で効果を測る設計。

- 物理状態を供給された compact な World Action Model を構築。 - 206 Push-T demonstrations、15 training seeds で data regimes と search configurations を比較。 - counterfactual branch training を導入し、short-horizon cost ranking を改善。 - policy-restarted search と warm-started search を比較。 - learned trajectory scores を simulator costs に置換する介入、proposal generation のみ simulator states に置換する介入を実施。

- Push-T 上で data regimes と search configurations を比較する実験。 - counterfactual branch training により short-horizon cost ranking が改善し、policy-restarted search の coverage 優位が warm-started 比で 4.8 percentage points 拡大。 - restart は両 data regimes で勝利。 - learned scores を simulator costs に置換すると coverage が 12.2 points 改善し、learned proposals は維持。 - proposal generation のみ simulator states に置換しても検出可能な利得なし。 - component diagnostics と別の door-opening 研究を実施。

- より良い ranking が必ずしもより良い control や imitation 超えにつながるとは限らないと示唆。 - テスト設定では scoring が有効な改善ターゲットであると同定。 - compact world models を診断する再現可能なプロトコルを提供。 - 一般化可能性や他タスクへの適用性は要旨からは不明。

- Push-T を用いた World Action Model 関連研究（要旨では個別論文名の参照なし）。 - counterfactual branch training や trajectory scoring に関する研究。 - policy-restarted search / warm-started search の比較研究。 - door-opening タスクの関連研究。 - imitation learning との比較研究。