行動の再考：世界モデル計画のための連続性を考慮した事前分布

- 視覚的 world-model planning における action proposal の改善を目的とした研究。 - 専門家デモの action が持つ時間的構造(continuity)に着目し、それを反映した action 提案を行う枠組みを提案。 - 提案手法 LG-DKGP(locality-gated deep-kernel Gaussian-process prior)を中核とし、frozen world model で goal への進捗を評価する planner を構成。 - 5つの simulated tasks で native および fragment-level の goal attainment を扱う。

- 汎用的な smoothness を課すのではなく、demonstrated actions の時間構造から continuation を学習する点が特徴。 - 比較対象として INTACT(71.03%)、PRISM(61.66%)、LeWM(58.66%)が挙げられ、提案手法は macro success 87.07% を達成。 - ordered-versus-shuffled 分析により action の時間依存性を5環境で確認し、その構造を planner に取り込む動機を実証的に示した。

- LG-DKGP は recent と longer-range の executed action history を組み合わせ、neural continuation を予測。 - さらに temporal Gaussian-process(GP) residual を学習し、neural mean を補正する prior を構成。 - training 由来の exploration scale で corrected mean 周辺の search を初期化。 - frozen world model が goal への進捗を評価。 - 学習はまず neural mean を fit し、次に expert future actions を用いて GP residual と prior を joint optimization。

- 5つの simulated tasks で native および fragment-level の goal attainment を評価し、macro success 87.07% を報告。 - INTACT(71.03%)、PRISM(61.66%)、LeWM(58.66%)との比較を実施。 - component interventions と expert-relative action-structure comparisons により、demonstration-informed continuations を支持する結果を提示。 - visual conditioning、history length、planning horizon の効果が task-dependent であることを明らかにした。

- demonstration-informed continuations の有効性が component interventions と action-structure comparisons で支持される一方、visual conditioning・history length・planning horizon の影響はタスク依存。 - 汎用 smoothness ではなく学習された continuity を用いる設計の妥当性が議論の焦点。 - 限界や失敗条件の詳細は要旨からは不明。

- 比較対象の INTACT、PRISM、LeWM。 - 関連手法として Gaussian-process prior、deep-kernel GP、visual world-model planning の代表的研究。 - action continuity や demonstration の時間構造を扱う imitation learning / planning 研究。