一歩先を見据える：世界モデル誘導による群衆環境での人間らしいナビゲーション

- 人混みのあるシーンでの次動作選択を扱う研究。 - 局所的に実行可能でも、横断歩道を外れて車道に流れる、歩行者列に切り込む、狭い通路を詰まらせる等の失敗は現在状態だけでは見えないと指摘。 - World model による action-conditioned な未来予測を活用し、人間らしい navigation を目指す。 - 推論時に world model を回すのではなく、訓練時に preference oracle として蒸留する枠組みを提案。

- 従来は foresight と speed のトレードオフとされ、推論時 rollout のコストを避けるため先見性を犠牲にしがちだった。 - 本研究はこれを false dichotomy と主張。 - world model を推論時 online planner ではなく訓練時の preference oracle に置く点が新しい。 - 展開コストを policy に amortize し、deployment では単一 forward pass で動作。

- discrete visual action prior と、2つの task-aligned world model を組み合わせる。 - 1つは nearby social dynamics、もう1つは future scene semantics を担当。 - 各 world model が候補 action を予測結果でスコアリング。 - group-relative preference distillation により policy を改善。 - 展開時は両 world model を除去し、policy のみで推論。

- 5つの held-out evaluation scenarios で評価。 - 強い reactive baseline および learned baseline と比較。 - 安全性、社会的・集団的整合性、goal-directed 性が同時に向上したと報告。 - naive observers が生成 motion をより human-like と評価。

- world model の先見性を推論時 rollout の高速化ではなく policy への amortization で実現する設計を主張。 - 先見コストを訓練時のみに閉じ込められる点を利点として提示。 - 具体的な限界・失敗事例・計算コストの詳細は要旨からは不明。 - 評価は5シナリオと observer 評価に基づく。

- 要旨で明示的に参照・比較されている個別研究は不明。 - 関連手法として world model、action-conditioned prediction、preference distillation、group-relative preference optimization、reactive navigation baseline、learned navigation policy を挙げて確認するのが妥当。 - 同分野の定番として social navigation の reactive planner と learning-based human-aware navigation を参照。 - Project page: https://seoneun.github.io/-NeurIPS-2026-Seeing-Beyond-the-Next-Step/