幻想を見抜く：ワールドアクションモデルのためのテスト時スケーリング

- World action models (WAMs) は action と imagined future を同時生成するが、もっともらしい予測が co-generated action で実現されるとは限らない。 - 本論文は WISE (World Action Inference Scaling through Evaluation) を提案。 - 実行前の pre-execution selector。 - 各 sampled rollout を複数スコアで評価し最高スコア候補を実行。 - WAM 自体は frozen のまま。 - 対象はロボティクスの closed-loop 行動生成。

- 既存の selector と比較して aggregate で +4.0 / +0.9 points 上回る。 - 単一スコアではなく複数観点を融合する点が特徴。 - 4 candidates per decision という小さな sample 数で改善。 - RoboLab + Cosmos 3 Edge: 6.0% → 24.0%。 - LIBERO + DreamZero: 75.1% → 78.3%。 - WAM を再学習せず test-time scaling で性能向上させる点が実用的。

- WISE は各 sampled rollout を次のスコアで評価。 - action validity と temporal regularity。 - proposed action と imagined motion の inverse-dynamics consistency。 - instruction-conditioned task progress。 - これらを融合し最高スコア候補を実行。 - WAM は frozen のまま、pre-execution で選択のみ行う。 - 4 candidates per decision で動作。

- RoboLab と Cosmos 3 Edge で closed-loop success を評価。 - 6.0% → 24.0%。 - LIBERO と DreamZero で mean success を評価。 - 75.1% → 78.3%。 - 既存 best selector と aggregate で比較し +4.0 / +0.9 points。 - component ablations と agreement analyses を実施。 - 3 スコアが候補を異なる順位付けにすることを確認。 - task progress が fused decision で最大の重みを持つことを確認。

- 3 つのスコアは候補の順位付けが互いに異なり、融合の意義が示唆される。 - task progress が fused decision で最大の重みを占める。 - 4 candidates per decision という設定での結果であり、他の candidate 数や WAM への一般性は要旨からは不明。 - 計算コストや失敗モードの詳細は要旨からは不明。

- Cosmos 3 Edge (WAM)。 - DreamZero (WAM)。 - RoboLab / LIBERO ベンチマーク。 - inverse-dynamics consistency を用いる関連手法。 - test-time scaling / best-of-N selection 系の研究。