Time-to-Goal（T2G）と呼ばれる新手法は、目標に到達するまでの時間が短い状態ほど低いコストを割り当て、ロボットがより長い経路を計画できるようにすることを目指す。研究者らは、報酬ラベルや方策ラベルを使わず、オフラインの軌跡データでT2Gを学習させた。世界モデルのエンコーダーと予測器は固定したまま、一般的なユークリッド距離による目標コストの代わりにT2Gを使う。
論文で報告された結果では、T2Gを使うことで、4つのナビゲーションおよびマニピュレーションのベンチマークにおける計画成功率の平均が32.7%から63.0%に上昇し、階層型JEPAのベースラインに迫るか、一部では上回った。この論文は2026年11月4日にarXivへ投稿された。
なぜ重要か
フラットな世界モデルを使うロボット研究者にとって、今回の結果は、モデルのエンコーダーや予測器を再学習しなくても、学習型の目標コスト指標によってベンチマークでの計画成功率を高められる可能性を示している。ただし、実際のロボットでの性能は確認されていない。
