ゼロショット幾何評価によるワールドアクションモデルのテスト時スケーリング

本論文は、World Action Models (WAMs) の推論時計算を適応的に増やす、学習不要の選択的テスト時スケーリング手法を提案する。具体的には、固定予算のBest-of-Nセレクタである\methodを導入し、サンプリングされた複数のロールアウトの予測未来を、凍結された幾何基盤モデルを用いたクロスビュー深度再投影一貫性でランク付けする。さらに、初期ロールアウトが内部的に一貫しない場合のみ\methodを起動する軽量なアクション-未来一貫性ゲートを追加した\methodgatedを提案する。

従来のテスト時スケーリングは主に言語や視覚モデルで有効性が示されてきたが、ロボット制御ではアクション実行前に追加計算が有効か判断する必要がある。WAMsはロールアウトがアクションチャンクと予測未来観測の両方を提供するため、この判断が自然に可能となる。本手法は、学習不要で幾何的一貫性を利用した選択的スケーリングを初めてWAMsに適用し、固定予算のBest-of-Nとゲート機構を組み合わせる点が新しい。

手法の核は2つ。(1) \method: 複数のロールアウトをサンプリングし、各ロールアウトの予測未来観測のクロスビュー深度再投影一貫性を凍結幾何基盤モデルで計算し、スコアが最も高いものを選択する。(2) \methodgated: 初期ロールアウトのアクションと予測未来の一貫性を評価する軽量ゲートを導入し、一貫性が低い場合のみ追加サンプリングを実行する。これにより、常時追加サンプリングする場合の成功率向上の大部分を維持しつつ、計算コストを削減する。

RoboCasa、LIBERO Long、RoboTwin 2.0の5つのベンチマーク-バックボーン設定で評価。固定予算の\methodはN=8で全設定のタスク成功率を向上（例：RoboCasaグループ平均をCosmos Policyで66.3%から68.4%、X-WAMで80.8%から82.5%に）。ゲート有効時、\methodgatedは常時有効時の成功率向上の平均74.8%を回復し、追加サンプリングは決定点の26.2%のみで発生。オフライン診断では、クロスビュー再投影がタスクラベルなしの強力なセレクタであることを示し、偽の低スコア選択が失敗モードであることを特定。

議論として、偽の低スコア選択が失敗モードであり、Nが増加すると性能が飽和または低下する理由を説明する。また、ゲート機構により計算コストを抑えつつ性能向上の大部分を達成できるが、常時有効時の完全な性能には及ばない。要旨からは、他のスケーリング手法との比較や、実機での検証は不明。

要旨で参照されている関連研究として、World Action Models (WAMs)、Cosmos Policy、X-WAM、RoboCasa、LIBERO Long、RoboTwin 2.0が挙げられる。また、テスト時スケーリングの一般的な手法（例：Best-of-Nサンプリング）や、幾何基盤モデル（例：深度推定・再投影に用いるモデル）に関する論文が関連する。