MAC-v2: ピクセル入力からの長期的モデルベース価値展開

- pixel-based offline RL において long-horizon model-based value expansion を有効に機能させるフレームワーク MAC-v2 を提案する研究。 - reconstruction-free な latent world model と action chunking を組み合わせ、imagined trajectory 上での value expansion を可能にする。 - visual OGBench, MMBench2, Robomimic, LIBERO-10 など多様な visual benchmark で評価。

- state-based 環境と異なり pixel 入力では representation と dynamics の両方を学習する必要があり、誤差が再帰的に蓄積しやすいという課題に対処。 - model-free および model-based の offline RL baselines に対して強い性能を達成。 - 従来の reconstruction を伴う世界モデルではなく reconstruction-free な latent world model を用いる点が特徴。

- reconstruction-free な latent world model を action chunking と共に学習。 - 表現を prediction と control の目的関数から学習することで、dynamics prediction を妨げる control-irrelevant な視覚詳細のエンコードを回避。 - action chunking により value expansion に必要な再帰的 model prediction の回数を削減し、prediction error を緩和。

- visual OGBench, MMBench2, Robomimic, LIBERO-10 を含む多様な visual benchmarks で評価。 - model-free および model-based offline RL baselines と比較し強い性能を確認。 - 分析により long-horizon model-based value expansion が性能に重要であること、action chunking と latent learning objectives の両方が reliable な long-horizon latent imagination に不可欠であることを示す。

- long-horizon model-based value expansion の重要性を分析で示す。 - action chunking と latent learning objectives が long-horizon latent imagination の信頼性に必須であると議論。 - 具体的な限界や失敗事例については要旨からは不明。

- 要旨で参照/比較されている model-free offline RL および model-based offline RL の baselines。 - pixel-based offline RL における world model 関連手法（具体的名称は要旨からは不明）。 - visual OGBench, MMBench2, Robomimic, LIBERO-10 を用いた関連研究。