ThinkWorld、World Imaginationで Chain-of-Dynamics 推論を強化するVLA学習フレームワーク

ThinkWorldは、World Imaginationによる強化学習で行動推論を世界のダイナミクスに結びつけ、行動ラベルのない人間の動画からも学習するVLA学習フレームワークである。各行動の思考は離散的な動作トークン列のChain-of-Dynamics（CoD）として表現され、行動ラベル付きデモで初期化した後、予測が観測結果に近いCoDが強化される。シミュレーションと実機実験で、人間からロボットへの転移と未知のタスク・環境への汎化が示された。