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/強化学習arXiv:2605.18303

PH-Dreamer: ポート・ハミルトン生成ダイナミクスによる物理駆動ワールドモデル

PH-Dreamer: A Physics-Driven World Model via Port-Hamiltonian Generative Dynamics

シェア:XThreadsFacebookLINEはてブBluesky

リカレント状態空間モデルにポート・ハミルトン構造を導入し、物理法則に従う潜在ダイナミクスを学習するワールドモデルを提案。エネルギー勾配を用いたActor-Criticで制御を最適化し、報酬予測精度とエネルギー効率を向上させた。

詳しい要約

1. どんなもの?

- 提案手法はPH-Dreamerと呼ばれる、物理駆動型の世界モデルである。 - 再帰的な状態空間アーキテクチャに基づく世界モデルに、Port-Hamiltonian frameworkを統合する。 - これにより、物理的な保存則や散逸原理に反するダイナミクスを是正し、より物理的に構造化された潜在表現を実現する。 - 視覚制御ベンチマークにおいて、漸近リターンの向上、想像と実報酬の整合性向上、潜在位相空間体積の削減、エネルギー消費の削減、ジャークの削減を達成する。

2. 先行研究と比べてどこがすごい?

- 従来の再帰状態空間アーキテクチャに基づく世界モデルは、物理的に非構造的であり、保存則や散逸原理に違反するダイナミクスを生成していた。 - 提案手法はPort-Hamiltonian frameworkを導入することで、物理的整合性を大幅に向上させる。 - 具体的には、潜在位相空間体積を4.18-8.41%削減、エネルギー消費を最大7.80%削減、平均二乗ジャークを最大9.38%削減する。 - また、想像と実報酬の間のより tight で低分散な整合性を確立し、内部シミュレータの忠実度を高める。

3. 技術・手法の肝は?

- 三つの相乗的メカニズムからなる。 - 第一に、再帰的遷移に暗黙の物理的 prior を埋め込む。射影された潜在進化を、流れと散逸に支配される行動制御型エネルギー経路としてモデル化し、射影PH位相空間をよりコンパクトで物理的に構造化された表現へと bias する。 - 第二に、固有受容感覚観測からHamiltonianとパワーバランスを推定する運動学対応エネルギー世界モデルを開発し、熱力学的推論のための明示的な物理信号を提供する。 - 第三に、これらのエネルギー勾配を活用し、Lagrangian乗数を用いて政策最適化を低エネルギーかつ滑らかな制御へと正則化するエネルギー誘導型Actor-Criticを確立する。

4. どうやって有効だと検証した?

- 視覚制御ベンチマークを用いて評価した。 - その結果、優れた漸近リターンを達成するだけでなく、想像と実報酬の間のより tight で低分散な整合性を確立し、内部シミュレータの忠実度を高めることを示した。 - また、潜在位相空間体積を4.18-8.41%削減、エネルギー消費を最大7.80%削減、平均二乗ジャークを最大9.38%削減することを確認した。

5. 議論はある?

- 要旨からは、提案手法の限界や議論の詳細は不明である。 - ただし、物理的整合性の向上や性能指標の改善が示されている。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、再帰状態空間アーキテクチャに基づく世界モデル(例: Dreamer)やPort-Hamiltonian framework、Actor-Critic、Lagrangian乗数を用いた正則化などが挙げられる。

※ 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: Xueyu Luan, Chenwei Shi

分類: cs.LG, cs.AI, cs.CV, cs.RO

原文アブストラクト

World models built on recurrent state space architectures enable efficient latent imagination, yet remain physically unstructured, producing dynamics that violate conservation and dissipative principles. We introduce a unified Port-Hamiltonian framework that remedies this through three synergistic mechanisms. First, we embed implicit physical priors into recurrent transitions by modeling projected latent evolution as action controlled energy routing governed by flow and dissipation, biasing the projected PH phase space toward a more compact and physically structured representation. Second, we develop a kinematics aware energy world model that estimates the Hamiltonian and power balance from proprioceptive observations, providing an explicit physical signal for thermodynamic reasoning. Third, leveraging these energy gradients, we establish an energy guided Actor-Critic that uses Lagrangian multipliers to regularize policy optimization toward lower energy and smoother control. Across visual control benchmarks, this paradigm not only attains superior asymptotic returns but also elevates internal simulator fidelity by establishing a tighter, lower variance alignment between imagined and real rewards, all while reducing latent phase space volume by 4.18-8.41%, energy consumption by up to 7.80%, and mean squared jerk by up to 9.38%.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXO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
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

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