Fugu-MT 論文翻訳(概要): UWM-JEPA: Predictive World Models That Imagine in Belief Space

論文の概要: UWM-JEPA: Predictive World Models That Imagine in Belief Space

arxiv url: http://arxiv.org/abs/2605.25313v1
Date: Mon, 25 May 2026 00:28:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-26 19:50:19.147285
Title: UWM-JEPA: Predictive World Models That Imagine in Belief Space
Title（参考訳）: UWM-JEPA:宇宙を想像する予測的世界モデル
Authors: Santosh Kumar Radha, Oktay Goktas,
Abstract要約: 本稿では,JEPAの世界モデルであるUnitary World Model JEPAを紹介した。この構造はロールアウト中に関節状態スペクトルを正確に保存するため、予測器自体が表現された不確かさを解消することはできない。 JEPAの世界モデルでは、部分的な可観測性、潜伏幾何学、予測力学が重要であり、フリーズされたコンテキストエンコーディング能力だけではありません。
参考スコア（独自算出の注目度）: 0.2864713389096699
License: http://creativecommons.org/licenses/by/4.0/
Abstract: World models for partially observed environments must imagine multiple compatible hidden futures and steer between them under counterfactual actions. Joint Embedding Predictive Architectures (JEPAs) do this in latent space, but a vector-valued latent has no internal structure for carrying the belief over hidden continuations through blind rollout. We introduce the Unitary World Model JEPA (UWM-JEPA), a JEPA world model with a density-matrix latent on a joint system-environment space and a learned unitary predictor. The construction preserves the joint-state spectrum exactly during rollout, so the predictor itself cannot dissipate the represented uncertainty. On a hidden-velocity indicator task requiring five-step forward simulation under a given action sequence with the target observation masked, UWM-JEPA reaches 0.77 accuracy and degrades monotonically as actions are perturbed; a parameter-matched LSTM-JEPA trained under the same counterfactual-target objective and action head collapses to majority-class accuracy (0.53) under every action condition. Under blind rollout, UWM-JEPA loses fewer than ten points of probe R^2 at short horizons while vector-latent baselines lose forty-one and sixty-eight; both nevertheless tie on a held-out context probe, locating the separation in the predictor rather than the encoder. Action sensitivity itself requires training against counterfactual rather than teacher-forced targets, a finding that applies beyond the unitary parameterisation. For JEPA world models to imagine under partial observability, latent geometry and predictor dynamics matter, not frozen context-encoding capacity alone.
Abstract（参考訳）: 部分的に観察された環境のための世界モデルは、複数の互換性のある隠れた未来を想像し、その間に反現実的な行動を起こす必要がある。 JEPA(Joint Embedding Predictive Architectures)は、潜伏空間においてこれを行うが、ベクトル値の潜伏は、ブラインドロールアウトを通じて隠れた継続に対する信念を伝達するための内部構造を持たない。本稿では,統一世界モデルJEPA(Unitary World Model JEPA, UWM-JEPA)を紹介する。この構造はロールアウト中に関節状態スペクトルを正確に保存するため、予測器自体が表現された不確かさを解消することはできない。 UWM-JEPAは、目標とする観測マスク付きアクションシーケンスの下で5段階の前方シミュレーションを必要とする隠れ速度指示タスクにおいて、動作が乱れながら0.77の精度に達し、単調に劣化する。ブラインドロールアウトでは、UWM-JEPAは短地平線で10点未満のプローブR^2を失う一方、ベクトルラテントベースラインは48点を失う。アクション感受性そのものは、教師が強制する目標ではなく、対実的な訓練を必要とする。 JEPAの世界モデルでは、部分的な可観測性、潜伏幾何学、予測力学が重要であり、フリーズされたコンテキストエンコーディング能力だけではありません。

関連論文リスト

Entity-Centric World Models: Interaction-Aware Masking for Causal Video Prediction [0.0]
JEPA(Joint Embedding Predictive Architectures)はセマンティックな分類のベンチマークを新たに設定した。本稿では,自己監督型動き中心マスキング戦略を利用したInteraction-Aware JEPA (IA-JEPA)を提案する。 IA-JEPAは因果推論タスクで14.26%の精度を達成しており、標準的なパッチメイクベースラインで達成された3.22%を大きく上回っている。
論文参考訳（メタデータ） (2026-05-14T23:10:04Z)
Sub-JEPA: Subspace Gaussian Regularization for Stable End-to-End World Models [26.928611870426383]
JointEmbedding Predictive Architectures (JEPA)は、将来の潜伏表現を予測することで、世界モデルを学ぶためのシンプルなフレームワークを提供する。最近のLeWorldModel (LeWM) は、この問題を、同型ガウス先行の埋め込みを単純に制限することで緩和できることを示している。元の埋め込み空間ではなく、複数のランダム部分空間にガウス的制約を適用することにより、バイアス分散フロンティア上の有利な操作点を求めるameを提案する。
論文参考訳（メタデータ） (2026-05-10T00:51:47Z)
Probing the Latent World: Emergent Discrete Symbols and Physical Structure in Latent Representations [0.0]
JEPA(Joint Embedding Predictive Architectures)で訓練されたビデオワールドモデルは、ピクセルの再構成ではなく、潜在空間のマスキング領域を予測することによってリッチな表現を得る。この経路は生成モデルの視覚的検証を除去し、構造的解釈可能性のギャップを生じさせる。本稿では,AIM(AIM)フレームワークを受動的量子化プローブとして,V-JEPA2連続潜時ベクトルをタスク固有の監督やエンコーダの変更なしに離散シンボルシーケンスに変換する軽量なボキャブラリフリープローブとして提案する。
論文参考訳（メタデータ） (2026-03-20T01:30:59Z)
LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels [49.35636088613484]
JEPA(Joint Embedding Predictive Architectures)は、コンパクトな潜在空間で世界モデルを学習するための魅力的なフレームワークを提供する。最初のJEPAであるLeModelWorldを紹介します。数時間で1つのGPU上で15万のパラメータをトレーニングできるため、LeWMはファンデーションモデルベースの世界モデルよりも48倍高速に計画している。
論文参考訳（メタデータ） (2026-03-13T19:48:14Z)
Causal-JEPA: Learning World Models through Object-Level Latent Interventions [46.562961546550895]
C-JEPAは単純で柔軟なオブジェクト中心の世界モデルであり、イメージパッチからオブジェクト中心の表現まで、マスク付きジョイント埋め込み予測を拡張する。物体の状態が他の物体から推測される必要があるオブジェクトレベルのマスキングを適用することで、C-JEPAは反事実的効果を伴う潜伏介入を誘導する。
論文参考訳（メタデータ） (2026-02-11T21:47:26Z)
VJEPA: Variational Joint Embedding Predictive Architectures as Probabilistic World Models [0.0]
EmphVariational JEPA (VJEPA) はテキスト確率論的な一般化であり、変動目的を通して将来の潜伏状態の予測分布を学習する。 VJEPA表現は、画素再構成なしで最適な制御のための十分な情報状態として機能し、崩壊回避の正式な保証を提供する。我々は、予測的信念を学習力学の専門家とモジュラー事前専門家に分解する拡張であるEmphBayesian JEPA (BJEPA)を提案する。
論文参考訳（メタデータ） (2026-01-20T18:04:16Z)
LeJEPA: Provable and Scalable Self-Supervised Learning Without the Heuristics [53.247652209132376]
JEPA(Joint-Embedding Predictive Architectures)は、有望な青写真を提供するが、実践的なガイダンスや理論の欠如がアドホックな研究開発につながっている。我々はJEPAの包括的な理論を示し、それをbf LeJEPAでインスタンス化する。
論文参考訳（メタデータ） (2025-11-11T18:21:55Z)
TD-JEPA: Latent-predictive Representations for Zero-Shot Reinforcement Learning [63.73629127832652]
本稿では,TDに基づく潜在予測表現を教師なしRLに活用するTD-JEPAを紹介する。 TD-JEPAは、明示的な状態とタスクエンコーダ、ポリシー条件付きマルチステップ予測器、パラメータ化されたポリシーのセットを潜時空間で直接訓練する。実証的には、TD-JEPAは13のデータセットにわたる移動、ナビゲーション、操作のタスクにおいて、最先端のベースラインをマッチまたは上回る。
論文参考訳（メタデータ） (2025-10-01T10:21:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。