TrajWAM：動的物体操作のための軌道誘導型ワールドアクションモデル

- 動的物体操作のための trajectory-guided world action model「TrajWAM」の提案。 - 短い object mask 履歴から将来の mask 軌跡を予測し、その軌跡に基づく将来表現で action 生成を条件付けする。 - 動的物体操作では target motion の先読みと高速な replanning が必須で、古い action の実行を避ける必要がある。 - 既存 WAM は将来 visual prediction と action generation を結合するが、scene-level video objective が target dynamics を過小表現し、iterative video-action denoising が大きな latency を生む。 - simulation と real world の両方で評価され、one-step video-action inference を可能にする。

- 既存の fast reactive control は明示的な future target state を持たず、動きを暗黙的にしか符号化しない。 - 既存 WAM は scene-level video objective のため manipulation に重要な target dynamics を過小表現し、iterative video-action denoising で latency が大きい。 - TrajWAM は将来 visual imagination を predicted target-object motion に明示的に ground し、その future representation で action generation を条件付けする点が異なる。 - 加速後もこの anticipation pathway を保持し、one-step inference を実現する点が先行研究との差分。

- 短い object mask 履歴を入力に、history-conditioned motion predictor が将来 mask を予測し target object の trajectory を符号化する。 - lightweight な Trajectory ControlNet が pretrained video model を trajectory-consistent な future へ誘導する。 - 得られた future representation が action expert を条件付け、実行可能な action chunk を予測する。 - one-step inference のため decoupled distillation scheme を導入し、video backbone の distribution matching、Trajectory ControlNet realignment、action rollout distillation を組み合わせる。 - 圧縮された future representation に条…

- simulation と real world の両方で comprehensive evaluations を実施。 - dynamic object manipulation タスクで state-of-the-art performance を達成したと報告。 - efficient one-step video-action inference が可能であることを示す。 - 具体的なベースライン名・データセット名・指標の数値は要旨からは不明。

- scene-level video objective ではなく target-object motion に ground することで、manipulation に重要な dynamics を表現できるという主張。 - iterative video-action denoising の latency 問題に対し、decoupled distillation で one-step inference を実現する設計上の議論。 - 加速後も anticipation pathway を保持することの重要性が示唆される。 - 限界・失敗ケース・計算コストの詳細な議論は要旨からは不明。

- World Action Models (WAMs) の代表的研究。 - pretrained video model を用いた video prediction ベースの manipulation 手法。 - ControlNet 系の条件付け手法。 - distribution matching を用いた diffusion distillation 系の高速化研究。 - action chunking を用いた manipulation policy 研究。 - 要旨で明示的に参照/比較されている個別論文名は要旨からは不明。