BWM: ロボット学習のための低コスト高忠実度ワールドシミュレータ

BWM (Boundless World Model) は、ロボット操作学習のための低コストで高忠実度なオープンソースのワールドシミュレータである。アクション条件付きワールドモデルであり、初期環境ガイダンス、動的視覚履歴、時間的に整列されたロボットアクション条件付けを組み合わせて、将来の観測を自己回帰的に予測する。データエンジンとして模倣学習データをアクション整列ロールアウトで拡張し、ポリシー評価器として閉ループ評価、リスク予測、ポリシーランキングを提供する。

既存の物理シミュレータは資産構築とキャリブレーションに多大なコストがかかり、sim-to-realギャップに直面する。ビデオ生成器は細かいロボットアクションへの応答を精密に制御できない。BWMはこれらの問題に対し、アクション条件付きで高忠実度な予測を低コストで実現し、物理シミュレータとビデオ生成器のギャップを埋める点が優れている。

BWMは、アクション条件付きワールドモデルであり、初期環境ガイダンス、動的視覚履歴、時間的に整列されたロボットアクション条件付けを組み合わせて、状態を持つ自己回帰的未来観測予測を行う。アクション整列トレーニングクリップは、軌跡リプレイ、重複クリップサンプリング、初期観測拡張によって構築される。

WorldArenaベンチマークと物理ロボットを用いた実験で、シミュレータの忠実度と機能的有用性（データエンジンとポリシー評価器の設定）を検証した。WorldArena ChallengeのTrack 1とTrack 2の2つのアプリケーションで総合1位を獲得した。

要旨からは、BWMの限界や潜在的な問題についての議論は不明である。ただし、物理シミュレータと比較した場合の計算コストや、ビデオ生成器と比較した場合の視覚的詳細の忠実度などが議論の対象となる可能性があるが、要旨には明記されていない。

要旨で参照されているWorldArenaベンチマークとWorldArena Challengeに関連する論文、および物理シミュレータ（例: MuJoCo, PyBullet）やビデオ生成モデル（例: Video Diffusion Models）に関する研究が挙げられる。具体的には、WorldArenaの論文や、アクション条件付きビデオ予測の関連研究が次に読むべき論文と考えられる。