日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

世界モデルarXiv:2512.00005

DREAMer-VXS: 確率的未知環境におけるAGV探査のためのサンプル効率の高い潜在世界モデル

DREAMer-VXS: A Latent World Model for Sample-Efficient AGV Exploration in Stochastic, Unobserved Environments

シェア:XThreadsFacebookLINEはてブBluesky

LiDAR観測から潜在世界モデルを学習し、想像上の軌道で計画することで、AGVの探査を実環境との相互作用を90%削減して実現するモデルベース強化学習フレームワーク。

詳しい要約

1. どんなもの?

- 学習ベースロボティクスの実世界適用を妨げる sample inefficiency と brittleness に対処する、model-based な AGV 探索フレームワーク DREAMer-VXS を提案 - 部分的・高次元の LiDAR 観測から world model を学習し、imagined latent trajectories 上で計画する - world model は環境構造の compact 表現を学ぶ Convolutional VAE と、時間ダイナミクスをモデル化する RSSM で構成 - 学習したモデルを高速シミュレータとして用い、navigation policy をほぼ imagination 内で訓練 - 複合報酬関数(タスク目的+intrinsic curiosity bonus)で actor-critic policy を最適化し、未知空間の体系的探索を促進

2. 先行研究と比べてどこがすごい?

- state-of-the-art な model-free の SAC ベースラインと比較し、expert-level 性能到達に必要な環境相互作用を 90% 削減 - model-free RL の sample inefficiency と brittleness を、world model による imagination 内訓練で緩和 - 学習速度が orders of magnitude 速いと報告 - 未見環境での探索効率が 45% 向上し、動的障害物への resilience も優れる - 単なる高速化だけでなく、より generalizable で robust な policy を獲得

3. 技術・手法の肝は?

- 部分的・高次元 LiDAR 観測から world model を学習 - Convolutional VAE で環境構造の compact な latent 表現を獲得 - RSSM で複雑な temporal dynamics をモデル化 - 学習済み world model を high-speed simulator として使い、policy を imagination 内で訓練し、実環境相互作用から policy 学習を切り離す - actor-critic policy を、タスク目的と intrinsic curiosity bonus のバランスを取る複合報酬で最適化 - imagined latent trajectories から計画を行う model-based フレームワーク

4. どうやって有効だと検証した?

- 広範な simulated experiments を実施 - SAC ベースラインとの比較で、expert-level 性能到達までの環境相互作用が 90% 削減されることを示す - 学習速度が orders of magnitude 速いことを示す - 未見環境での探索効率 45% 向上を報告 - 動的障害物に対する優れた resilience を示す - 実機実験の有無は要旨からは不明

5. 議論はある?

- 実世界展開への課題として sample inefficiency と brittleness を挙げ、imagination 内訓練で対処する立場 - 実環境相互作用の削減と汎化・堅牢性の両立を主張 - ただし検証は simulated experiments に限定されており、実機 AGV での有効性は要旨からは不明 - world model の誤差蓄積や、LiDAR の partial 観測下での限界については要旨からは不明 - intrinsic curiosity bonus の設計・重み付けの感度や、dynamic obstacles への対応詳細は要旨からは不明

6. 次に読むべき論文は?

- SAC(state-of-the-art な model-free ベースラインとして比較) - Dreamer 系の world model ベース手法(DREAMer の系譜、RSSM を用いる model-based RL) - Recurrent State-Space Model (RSSM) に関する原論文 - Convolutional Variational Autoencoder (VAE) を用いた表現学習 - intrinsic curiosity bonus を用いた探索(curiosity-driven exploration) - model-based RL における imagination 内訓練(learned model as simulator)の関連研究

※ 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: Agniprabha Chakraborty

分類: cs.RO

原文アブストラクト

The paradigm of learning-based robotics holds immense promise, yet its translation to real-world applications is critically hindered by the sample inefficiency and brittleness of conventional model-free reinforcement learning algorithms. In this work, we address these challenges by introducing DREAMer-VXS, a model-based framework for Autonomous Ground Vehicle (AGV) exploration that learns to plan from imagined latent trajectories. Our approach centers on learning a comprehensive world model from partial and high-dimensional LiDAR observations. This world model is composed of a Convolutional Variational Autoencoder (VAE), which learns a compact representation of the environment's structure, and a Recurrent State-Space Model (RSSM), which models complex temporal dynamics. By leveraging this learned model as a high-speed simulator, the agent can train its navigation policy almost entirely in imagination. This methodology decouples policy learning from real-world interaction, culminating in a 90% reduction in required environmental interactions to achieve expert-level performance when compared to state-of-the-art model-free SAC baselines. The agent's behavior is guided by an actor-critic policy optimized with a composite reward function that balances task objectives with an intrinsic curiosity bonus, promoting systematic exploration of unknown spaces. We demonstrate through extensive simulated experiments that DREAMer-VXS not only learns orders of magnitude faster but also develops more generalizable and robust policies, achieving a 45% increase in exploration efficiency in unseen environments and superior resilience to dynamic obstacles.

関連論文

  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. 2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
  3. 3川崎重工業のロボット外販を報道新製品・発表
  4. 4Boston Dynamics、GlobalFoundriesでAtlasを試験へ 半導体製造で2027年初頭から半導体・GPU
  5. 5NVIDIA、ヒトの動きをロボットに適応する「SOMA Retargeter」を紹介研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI