arXiv cs.ROは2026年10月15日(現地時間)、ロボットのワールドモデルにおける環境潜在変数のテスト時最適化に関する論文『T2-z』を発表した。この研究では、直接観測できない摩擦や質量、人間が定義する環境ルールなどの環境要因を考慮するため、学習可能な環境潜在変数でロボットのワールドモデルを拡張する手法を提案。これにより、環境要因の性質や値に関する事前情報なしに、根底にある環境変化をコンパクトに捉えることが可能になる。
T2-zは、環境予測を条件付けるために学習可能な環境潜在変数を用いてロボットのワールドモデルを拡張する。この手法は、トレーニング中に二つの段階を交互に実行する。
第一段階はワールドモデル最適化段階で、潜在変数を固定し、複数の環境全体にわたる一般的なアクション条件付きダイナミクスを学習する。第二段階は環境潜在変数最適化段階で、ワールドモデルを固定し、条件付けする潜在変数を最適化する。これにより、ワールド予測を通じて純粋に潜在構造が出現する。
テスト時において、ワールドモデルは固定されたままであり、新たに初期化された環境潜在変数が1回以上のテスト時インタラクションから最適化される。これにより、モデルは以前に遭遇したことのない環境構成に適応する。
7つのシミュレーション設定と4つの実世界ロボットタスクにわたる評価では、T2-zによりオブジェクト予測誤差が15.20から7.00に削減され、アクション成功率が33.73%から72.96%に向上した。T2-zによって出現する潜在変数は、多様な視覚シーンにおける個々の要因および複合要因の構造化された表現を捉える。さらに、アブレーション研究により、T2-zが単一のテスト時インタラクション軌跡から効率的に環境潜在変数を推論できることが示された。
この論文は、チェンユアン・ジョウ (Chenyuan Zhou) 氏、イニン・ホン (Yining Hong) 氏、ホアン・ホアン (Huang Huang) 氏、ユンファン・ジャン (Yunfan Jiang) 氏、ウェンロン・ホアン (Wenlong Huang) 氏、デビッド・ヘルド (David Held) 氏、ビトール・カンパニョーロ・ギジルニ (Vitor Campagnolo Guizilini) 氏、ユエ・ワン (Yue Wang) 氏、リー・フェイフェイ (Li Fei-Fei) 氏、ジアジュン・ウー (Jiajun Wu) 氏、レオニダス・ギバス (Leonidas Guibas) 氏、イェジン・チョイ (Yejin Choi) 氏によって共同執筆された。
参考: arXiv cs.RO — 2026年10月16日 02:59 (JST)
原文ハイライト"T2-Z reduces object prediction error metric from 15.20 to 7.00"