言語からの潜在目標予測によるモデルベースプランニング

- 言語指示から潜在空間で中間目標状態を予測する枠組み LAGO を提案。 - world model に基づく planning の誤差蓄積と目標定義の難しさに対処。 - 言語指示と action-conditioned rollouts から潜在 subgoal 列を予測。 - 単一の大域目的ではなく、局所的に扱いやすい latent subgoal に動的分解。 - 長い horizon でも一貫した latent trajectory を辿る制御を目指す。

- 視覚目標は局所勾配は正確だが遠方の誘導が弱い。 - 言語は柔軟だが cross-modal alignment のノイズや大規模生成モデル依存が問題。 - 従来手法は長 horizon で急激に性能劣化する。 - LAGO はその急激な劣化を避け、言語のみで堅牢かつ精密な長 horizon planning を実現。 - 視覚目標の精度と言語誘導の柔軟性を橋渡しする点が新しい。

- 言語指示と action-conditioned rollouts から latent subgoal 列を予測。 - 予測はすべて同一の latent space 内で行う。 - 単一の大域目的を最適化せず、明示的に予測した局所的な latent subgoal に分解。 - subgoal をオンラインで更新。 - planning 時に soft minimum trajectory cost を用いることで長 horizon の一貫性を確保。

- 複数の環境と planning horizon で評価。 - 長 horizon において prior 手法の急激な性能劣化を LAGO が回避することを示す。 - 言語のみから堅牢で精密な長 horizon planning を達成することを確認。 - 具体的な環境名・データセット名・指標は要旨からは不明。

- 視覚目標の精度と言語誘導の柔軟性の橋渡しを主張。 - 長 horizon での誤差蓄積と目標定義の難しさへの対処を議論。 - cross-modal alignment のノイズや大規模生成モデル依存の課題に言及。 - 限界・失敗事例・計算コスト・一般化性の詳細は要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として model-based planning、world models、latent subgoal prediction、language-conditioned control、cross-modal alignment が挙げられる。 - 同分野の定番として Dreamer、PlaNet、MuZero などの model-based RL 手法が次に読む候補。 - 言語条件付き planning では SayCan、CLIP、RT-2 などが関連する。