日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ワールドモデルプランニングarXiv:2611.24229

少数プローブで共有する高速ワールドモデルプランニング

ProbeShare: Probing a Few, Sharing Across Many for Fast World-Model Planning

シェア:XThreadsFacebookLINEはてブBluesky

凍結したワールドモデルによる視覚プランニングで、近傍候補の類似性を利用し少数のプローブから各候補の特徴を再構成することで、CEMプランナを大幅に高速化した研究。

詳しい要約

1. どんなもの?

- 凍結した joint-embedding world model を用いた視覚的プランニング(ロボットの reaching や object manipulation)の高速化手法。 - 候補行動列を画像ゴールに対して評価する CEM プランナーが対象。 - 各候補を独立に billion-parameter predictor へ通す冗長計算を削減する ProbeShare を提案。

2. 先行研究と比べてどこがすごい?

- 従来の CEM プランナーは全候補を個別に roll out するため、population size と search rounds に比例して計算が増大。 - 近傍行動が類似の scene change を生む点を利用し、少数の probe で候補の feature grid を再構成。 - dense RoboJEPA 比で 43.8–128.9 倍、競合 baseline 比でも少なくとも 14.2 倍の高速化を報告。

3. 技術・手法の肝は?

- 同一 planning step 内の候補が observation history と action-to-feature map を共有するという観察に基づく。 - 少数の代表 probe で局所応答を測定し、scene-conditioned かつ geometry-aware な重み付けで各候補の feature grid を再構成。 - 有望候補が既存 probe の coverage を超えた場合、新規 probe を評価して近傍候補を rescore する。

4. どうやって有効だと検証した?

- RoboCasa の 4 タスクで評価。 - dense RoboJEPA に対し episode planning を 43.8–128.9 倍高速化。 - 競合 baseline に対し少なくとも 14.2 倍高速化し、matched-time comparison でより高い mean goal progress を示した。

5. 議論はある?

- 要旨からは不明(probe 数や coverage の限界、失敗ケース、スケーラビリティに関する議論は記載なし)。

6. 次に読むべき論文は?

- dense RoboJEPA(比較対象のベースライン)。 - CEM プランナー(標準的な cross-entropy method ベースの planning)。 - joint-embedding world model を用いた visual planning の関連研究(具体名は要旨からは不明)。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zejian Kang, Xiantao Lin, Zekai Chen, Boyang Shen, Mingyu Ma, Shengwen Zheng, Chengtai Guo, Xiangru Huang

分類: cs.RO

原文アブストラクト

Visual planning with a frozen joint-embedding world model supports robotic reaching and object manipulation by evaluating candidate action sequences against an image goal before execution. Standard cross-entropy method (CEM) planners roll out every candidate independently through a billion-parameter predictor, even when nearby actions induce similar scene changes. This redundant computation grows with population size and search rounds, slowing closed-loop replanning. We observe that candidates within a planning step share an observation history and thus a common action-to-feature map. Based on this insight, we propose ProbeShare, which measures local responses with a few representative probes and reconstructs each candidate's feature grid through scene-conditioned, geometry-aware weighting. When promising candidates move beyond existing probe coverage, ProbeShare evaluates a new probe to rescore nearby candidates. Across four RoboCasa tasks, ProbeShare accelerates episode planning by 43.8--128.9 times over dense RoboJEPA and at least $14.2\times$ over competitive baselines, with greater mean goal progress in a matched-time comparison.

  1. 1パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3日経クロステック、NVIDIA取締役会のファンCEO解任議論を報道 同社は同日、辞任を発表業界動向
  4. 4NVIDIA、ヒトの動きをロボットに適応する「SOMA Retargeter」を紹介研究・技術
  5. 5ティアフォーとTUM、Autowareでミュンヘン大型路線バスの自動運転開発を支援提携・買収

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI