日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

計画/世界モデルarXiv:2607.02403

ACID: 逆動力学による行動整合性を用いた世界モデル計画

ACID: Action Consistency via Inverse Dynamics for Planning with World Models

シェア:XThreadsFacebookLINEはてブBluesky

行動条件付き世界モデルによる計画時に、逆動力学モデルで予測遷移から逆算した行動が元の行動と一致することを計画コストに組み込むことで、実現可能性の高い計画を実現する手法を提案した。

詳しい要約

1. どんなもの?

ACIDは、行動条件付きワールドモデルを用いた決定時計画(decision-time planning)のためのフレームワークである。標準的な計画コストは、予測された終端状態がゴールにどれだけ近いかのみを評価し、中間遷移の実現可能性をチェックしない。ACIDは、逆動力学モデルによって予測遷移から逆算された行動が、元の条件付けられた行動を再現することを要求する「サイクル行動一貫性(cycle action consistency)」を導入する。このステップごとの残差を、スケール不変な適応重みで計画コストに組み込む。

2. 先行研究と比べてどこがすごい?

先行研究の計画コストは終端状態のゴール近接性のみを評価し、予測軌道が環境ロールアウトから逸脱する問題があった。ACIDは、中間遷移の実現可能性を逆動力学モデルによる行動再構成の一貫性として明示的にチェックすることで、この問題に対処する点が新しい。また、適応重みによりスケール不変なコスト統合を実現し、計画精度を保ちながら計算コストを削減できる点も優れている。

3. 技術・手法の肝は?

ACIDの核心は、逆動力学モデルを用いたサイクル行動一貫性の導入である。具体的には、計画時に候補行動シーケンスをワールドモデルでロールアウトし、各遷移(s_t, a_t, s_{t+1})に対して逆動力学モデルがa_tを再構成できるかを評価する。その残差を計画コストに加える。重みはスケール不変な適応方式で調整され、タスクやモデルに応じて自動的にバランスを取る。

4. どうやって有効だと検証した?

4つの行動条件付きワールドモデルと、剛体・変形可能物体操作、関節制御、視覚ナビゲーションを含む6つのタスクで評価した。ACIDは一貫して計画性能を向上させ、ベースラインと同等の精度を達成しつつ、計画計算量を大幅に削減した。

5. 議論はある?

要旨からは、ACIDの限界や潜在的な欠点についての議論は不明である。ただし、逆動力学モデルの精度がサイクル一貫性の有効性に影響する可能性や、適応重みの調整がタスク依存である可能性が考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、行動条件付きワールドモデル(action-conditioned world models)や逆動力学モデル(inverse dynamics models)を用いた計画手法が挙げられる。具体的には、Model Predictive Control (MPC) や、終端状態のみを評価する計画コストを用いた既存の決定時計画手法(例:TD-MPC, PlaNet)などが関連する。

※ 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: Gawon Seo, Dongwon Kim, Suha Kwak

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

Decision-time planning with action-conditioned world models has become a popular paradigm for embodied control. However, the standard planning cost judges a candidate solely by how close its predicted terminal state lies to the goal, leaving the realizability of the intermediate transitions unchecked -- a predicted trajectory can look convincing while the environment rollout drifts away from it. In this paper, we propose ACID, a decision-time planning framework that introduces cycle action consistency: the action inferred backward from a predicted transition by an inverse dynamics model should recover the one that was conditioned on. We fold this per-step residual into the planning cost via a scale-invariant adaptive weight. Across four action-conditioned world models and six tasks spanning rigid and deformable manipulation, articulated control, and visual navigation, ACID consistently improves planning and matches the baseline's accuracy with substantially less planning compute.

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