AR Forcing: 長期的ロボットナビゲーションのためのワールドモデルに向けて

- 拡散ベースのロボットナビゲーション世界モデル（diffusion based robot navigation world models）の長期的な予測性能を安定化させるための新しい学習戦略「AR Forcing」を提案。 - 従来は並列教師あり学習（parallel supervision）で訓練し、推論時に自己回帰（autoregressive）推論を行うため、訓練と推論の分布シフトが生じ、長期的予測が不安定になる問題があった。 - AR Forcingは自己回帰訓練ループに標準的な拡散損失（diffusion loss）を統合し、各ステップでモデル自身の予測をコンテキスト更新に用いることで、訓練中に推論時の状態分布を明示的に経験させる。 - 追加の識別器（discriminator）や分布マッチング損失（distribution-matching loss）を必要とせず、元の拡散フレームワークとサンプラーを保持したまま容易に統合可能。

- 従来の拡散ベースナビゲーション世界モデルは並列教師あり学習と自己回帰推論のギャップにより長期的予測が不安定だった。 - AR Forcingはこの分布シフトを訓練段階で解消し、長期的なナビゲーションにおける生成画像の一貫性と予測軌跡の精度を向上させる。 - 追加の識別器や分布マッチング損失を必要とせず、元の拡散フレームワークとサンプラーを保持するため、既存手法への統合が容易。 - 強力なベースラインと比較して、複雑な既知・未知環境でのロバスト性を高めることを実験で示した。

- 自己回帰訓練戦略（autoregressive training strategy）を採用。 - 各ステップでモデル自身の予測を用いてコンテキストを更新し、単一ステップのノイズ予測目的（single step noise prediction objective）を最適化する。 - 標準的な拡散損失（diffusion loss）を自己回帰訓練ループに統合。 - 追加の識別器や分布マッチング損失は不要で、元の拡散フレームワークとサンプラーをそのまま利用可能。

- マルチドメインナビゲーションデータセット（RECON, SCAND, HuRoN, TartanDrive）で実験。 - 強力なベースラインと比較し、長期的ナビゲーションにおける生成画像の一貫性と予測軌跡の精度が向上。 - 複雑な既知・未知環境でのモデルのロバスト性が向上することを示した。

- 要旨からは不明。

- 要旨で参照/比較されている研究：diffusion based robot navigation world models（具体的な論文名は要旨に記載なし）。 - 関連手法：parallel supervision、autoregressive inference、diffusion loss、distribution-matching losses、discriminators。 - データセット：RECON, SCAND, HuRoN, TartanDrive。