近視的ワールドモデルを超えて：長時間予測のためのエンドツーエンドトレーニング
arXiv cs.LG ・ 2026-08-07
原題: Beyond Myopic World Models: Long-Horizon End-to-End Training for Direct Future Prediction
AI による要約
ワールドモデルは、長い時間軸での想像をサポートすることが期待されているが、現状の多くのモデルは、ローカルな数ステップ予測の目的関数でトレーニングされており、再帰的にロールアウトされる。したがって、ローカルな遷移の忠実性を最適化するが、長時間予測ではエラーと勾配が伝播する方法が重要となる。長時間予測の精度を直接最適化することを提案し、Direct Prediction World Model (DPWM) という非再帰アーキテクチャを導入する。DPWM は、任意の長さのアクションシーケンスを圧縮して、エンドツーエンドで予測を行う。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv cs.LG）をご確認ください。