#ワールドモデル関連記事

階層型ワールドモデル「ID-WM」、ロボット長距離タスク計画を大幅改善

Gaoyue Zhou氏は10月30日(現地時間)、arXiv (cs.RO) に論文『Hierarchical World Models with Implicit Dynamics』を発表した。この論文は、エンボディードエージェントが長距離タスクで直面する累積誤差と探索の複雑性という課題に対応するため、階層型ワールドモデル『ID-WM (Implicit Dynamics World Models)』を提案している。ID-WMは状態空間到達可能性とローカル制御を明確に分離することで、既存の手法に比べ顕著な性能向上を達成したと報告されている。

リサーチ・論文 10月30日 20:16

world2vec、高効率な潜在ダイナミクスで忠実なワールドモデル学習を実現

トビアス・シュミット (Tobias Schmidt) 氏らは2026年10月29日(現地時間)、新たな機械学習モデル「world2vec (ワールド・トゥ・ベック)」を導入した。このモデルは、報酬情報を用いずに観測と行動からメカニスティックなワールドモデルを学習し、環境のダイナミクスを長期間にわたり忠実に再現する潜在ダイナミクスを習得する。world2vecは、既存の主要モデルと比較して、大幅に少ないパラメータ数で高い予測能力と効率性を達成し、科学的発見への応用も期待される。

リサーチ・論文 9月27日 00:17

AD-WM: 行動識別型ワールドモデルで反事実モデル予測制御を改善

ジアビン・チウ (Jiabin Qiu) 氏らの研究チームは2026年9月24日(現地時間)、arXiv cs.AIに論文を公開した。この論文では、モデル予測制御 (MPC) における候補行動の識別能力を高める「AD-WM」と呼ばれる行動識別型共同埋め込みワールドモデルを導入している。既存のワールドモデルが事実予測遷移の精度に注力する一方で、AD-WMは反事実的な行動選択に必要な差異の保持を重視する。OGBench-Cubeでの実験では、ハードスタート成功率を3.7%から52.0%に向上させ、Frankaセットアップではゼロショット転移の成功率を42.2%から71.1%に改善した。