部分観測下での制御指向型構造化双線形ワールドモデル

- 部分的観測下での予測・制御のための確率的 world model「K-PWM」を提案する研究。 - 環境ダイナミクスの内部シミュレータを学習し、prediction・planning・control に用いる枠組み。 - ベクトル値観測(状態の一部のみを反映)を扱う点に焦点。 - Koopman-bilinear な潜在ダイナミクスと非線形 observation decoder を結合。 - 学習済みモデル上で extended Kalman filtering/smoothing により潜在状態を推論。

- 多くの先行研究が pixel-based 観測に注力するのに対し、部分的観測の vector-valued 測定を対象とする。 - 別途学習した inference network を用いず、学習済みモデル上で extended Kalman filtering/smoothing により潜在状態推論を行う。 - 限られた学習データ下で、評価した baselines より長い horizon の予測誤差が低い。 - 最強の prediction baseline と比べ学習時間を大幅に短縮。 - 高次元 MuJoCo Menagerie ロボットで競争力のある tracking 精度と低い per-step 計算時間を達成。

- Koopman-bilinear な潜在ダイナミクスと非線形 observation decoder を結合した確率的 world model。 - bilinear 構造により、維持する Gaussian belief を潜在遷移を通じて厳密に伝播可能。 - 不確実性を考慮した model predictive path integral (MPPI) 制御のための効率的な rollout を実現。 - 学習には generalized expectation conditional maximization (GECM) を提示。 - generators、noise covariances、latent prior を閉形式で更新。 - decoder は勾配ベースで学習。 - Koopman-consistent initialization によりデータから潜在次元を選択し、action-dependent dynamics を初期化。

- 部分的観測の Gymnasium MuJoCo システムで、限られた学習データ下の long-horizon prediction error を評価し、baselines より低い誤差を報告。 - 最強の prediction baseline との学習時間比較を実施。 - 高次元 MuJoCo Menagerie ロボットで tracking 精度と per-step 計算時間を評価。 - 詳細な実験設定・指標の定義は要旨からは不明。

- 構造化された確率的ダイナミクスが、部分的観測下の world modeling と制御においてデータ・計算効率の良いアプローチになり得ると主張。 - 高次元ロボットでの低い per-step 計算時間から real-time deployment の可能性に言及。 - 限界・失敗事例・ablation の詳細は要旨からは不明。

- 比較対象として言及される prediction baselines の原論文(具体的名称は要旨からは不明)。 - Koopman operator 理論に基づく world model 研究(例: Koopman-based latent dynamics)。 - extended Kalman filtering/smoothing を用いた latent state inference の関連研究。 - model predictive path integral (MPPI) control の原論文・関連研究。 - Gymnasium MuJoCo / MuJoCo Menagerie を用いた world model ベンチマーク研究。