テクノロジー2026/08/26 22:40

論文『GaussianWAM』、3Dガウス場を教師にWorld Action Modelへ幾何と意味を蒸留 LIBERO-Plusで52%→71%

出典: arXivhttps://arxiv.org/abs/2608.24714公開: 2026/08/25

原文を読む

3行まとめ

1凍結した幾何・視覚基盤モデルの出力を共有ガウスプリミティブに束ね、深度・意味・被覆の教師信号を描画

2LIBERO-PlusでFastWAMが52.05%→71.29%、Cosmos Policyが71.52%→77.30%

3教師と補助部品は学習後に全て外すため、配備時のアーキテクチャは元のWAMのまま

要約

Zijian ZhangらがWorld Action Model（WAM）に幾何と意味の情報を注入する学習時フレームワーク「GaussianWAM」を発表した。多視点観測から凍結した幾何・視覚基盤モデルで深度・カメラパラメータ・意味特徴を取り出し、それらを共有の3Dガウスプリミティブに束ねて、整合した意味・深度・被覆のターゲットを描画し、WAMの現在観測の表現へ蒸留する。教師モデルと補助部品は学習後に全て取り除くため、推論時の構成は元のままで済む。

LIBERO-PlusではFastWAMが52.05%から71.29%、Cosmos Policyが71.52%から77.30%に改善。直接蒸留のベースライン（69.37%）に対してガウス場経由（71.29%）が上回り、「異種の教師信号を空間的に整理する」ことに効果があると主張する。標準LIBERO、RoboTwin、実機操作でも正の転移を報告。Cosmos Policyをベースにした改良である点で、NVIDIAが公開したWAM系方策の上に他機関の研究が積み上がり始めている例でもある。

#world-model #manipulation