自己回帰型ワールドアクションモデルの失敗回復のための因果履歴テスト時スケーリング

- 自己回帰的な World-Action Models (WAMs) における失敗回復のための訓練不要フレームワーク。 - 失敗回復を causal histories 上の test-time scaling として再定式化。 - 3段階の意思決定: いつ履歴を修正するか、どこで信頼できる履歴プレフィックスを回復するか、どの履歴構成が最適か。 - 具体的には Progress-Aware Recovery Trigger, History-Prefix Recovery, Hypothesis Verification から構成。 - シミュレーションと実世界のマニピュレーションで成功率を改善。

- 既存の WAMs は成功軌道のみで訓練され、実世界のずれに脆弱。 - 自己回帰 WAMs では実行エラーが因果履歴に組み込まれ、以降の予測に悪影響。 - 提案手法は訓練不要で、失敗回復を test-time scaling として扱う点が新しい。 - 従来の回復手法との具体的比較は要旨からは不明。

- 失敗回復を causal histories 上の test-time scaling として定式化。 - 3つの結合決定: when, where, which。 - Progress-Aware Recovery Trigger: 持続的な非進捗を検出し、介入可能な状態でのみ回復を起動。 - History-Prefix Recovery: 信頼できない履歴サフィックスを特定し、現在の物理状態に合う履歴アンカーを検索、保持プレフィックスから causal KV state を再構築し最新の実観測で条件付け。 - Hypothesis Verification: 完全履歴、回復プレフィックス、完全リセットの仮説を比較し、最も支持されるものを選択。

- シミュレーションと実世界のマニピュレーション設定で実験。 - タスク成功率の一貫した改善を確認。 - アブレーションにより各回復段階の寄与を確認。 - 具体的なベースラインや評価指標は要旨からは不明。

- アブレーションで各段階の有効性を確認。 - 限界や失敗ケース、計算コスト、スケーラビリティに関する議論は要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として World-Action Models (WAMs), autoregressive WAMs, test-time scaling, causal KV state が挙げられる。 - 同分野の定番として robot manipulation における failure recovery や test-time adaptation の論文が考えられる。