論文の概要: AdaJEPA: An Adaptive Latent World Model

• arxiv url: http://arxiv.org/abs/2606.32026v1
• Date: Tue, 30 Jun 2026 17:53:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.34581
• Title: AdaJEPA: An Adaptive Latent World Model
• Title（参考訳）: AdaJEPA: アダプティブ・ラテント・ワールドモデル
• Abstract要約: モデル予測制御(MPC)の閉ループ内でテスト時間適応を行う適応潜在世界モデルであるAdaJEPAを提案する。 トレーニング後、AdaJEPAは最初のアクションチャンクを計画し、実行し、観察された次の状態遷移を自己教師付き適応信号として使用し、更新されたモデルで再計画する。 このクローズドループアップデートは、さらなる専門家によるデモンストレーションなしに、世界モデルを継続的に再検討する。
• 参考スコア（独自算出の注目度）: 42.0759614364807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent world models enable planning from high-dimensional observations by predicting future states in a compact latent space. However, these models are typically kept frozen at test time: when their predictions become inaccurate, planning can fail, especially under test-time distribution shift. To address this, we propose AdaJEPA, an adaptive latent world model that performs test-time adaptation within the closed loop of model predictive control (MPC). After training, AdaJEPA plans and executes the first action chunk, uses the observed next-state transition as a self-supervised adaptation signal, and replans with the updated model. This closed-loop update continuously recalibrates the world model without additional expert demonstrations. Across a range of goal-reaching tasks, AdaJEPA substantially improves planning success with as few as one gradient step per MPC replanning step.
• Abstract（参考訳）: 潜在世界モデルは、コンパクトな潜在空間における将来の状態を予測することによって、高次元観測からの計画を可能にする。 しかしながら、これらのモデルは一般的にテスト時に凍結され、予測が不正確になった場合、特にテスト時の分散シフトの下では、計画が失敗する可能性がある。 そこで本研究では,モデル予測制御(MPC)の閉ループ内でテスト時間適応を行う適応型潜在世界モデルであるAdaJEPAを提案する。 トレーニング後、AdaJEPAは最初のアクションチャンクを計画し、実行し、観察された次の状態遷移を自己教師付き適応信号として使用し、更新されたモデルで再計画する。 このクローズドループアップデートは、さらなる専門家によるデモンストレーションなしに、世界モデルを継続的に再検討する。 さまざまな目標達成タスクにおいて、AdaJEPAは、MPCの再計画ステップ毎に1段階の勾配ステップで計画の成功を大幅に改善する。

関連論文リスト

• WA-JEPA: Rethinking the Video JEPA Paradigm for World-Action Modeling in Autonomous Driving [8.510409798128272]
  本稿では、自律運転計画のためのVEPAネイティブな世界行動モデルWA-JEPAを提案する。 WA-JEPAは、モデルが観測された文脈から将来の潜伏者を推測する、ハイブリッド・フューチャー・マスク・プレトレーニングを採用している。 結果:WA-JEPAはNAVSIMで91.7Sに達し、最強のエンドツーエンドとワールドアクションベースラインを超えた。
  論文  参考訳（メタデータ） (2026-08-21T10:54:35Z)
• ACID: Action Consistency via Inverse Dynamics for Planning with World Models [42.33354357727536]
  ACIDは、サイクルアクションの一貫性を導入する意思決定時計画フレームワークである。 プランニングを一貫して改善し、ベースラインの精度とほぼ少ないプランニング計算とを一致させる。
  論文  参考訳（メタデータ） (2026-07-02T16:38:10Z)
• Self-Evolving World Models for LLM Agent Planning [72.99782619992361]
  我々はWorldEvolverを紹介した。WorldEvolverは、ダウンストリームエージェントとすべてのモデルパラメータを凍結したまま、デプロイメント時間コンテキストを更新する自己進化型ワールドモデルフレームワークである。 WorldEvolverは3つのバックボーンで最高の予測精度を達成し、下流エージェントの成功率で他のワールドモデルベースラインを導く。
  論文  参考訳（メタデータ） (2026-06-29T17:58:43Z)
• SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
  本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。 我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。 高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
  論文  参考訳（メタデータ） (2026-06-22T15:00:59Z)
• Beyond the Next Step: Variable-Length Latent World Models for Long-Horizon Planning [40.09669638091686]
  本稿では,可変長の動作列に条件付き潜在状態を予測するフレームワークを提案する。 実験により、可変長ラテント・ワールド・モデルがラテント・スペース・ワールド・モデルを大幅に改善していることが示されている。
  論文  参考訳（メタデータ） (2026-06-19T21:50:15Z)
• FF-JEPA: Long-Horizon Planning in World Models with Latent Planners [30.722155570120766]
  JEPA(Joint Embedding Predictive Architectures)は、将来性のある世界モデリング機能を示している。 2つのフォワードダイナミクスモデルを利用した階層的アプローチであるフォワード・フォワード・JEPA(FF-JEPA)を提案する。 PushTの予備的な結果は、FF-JEPAが平らな世界モデルの長い水平崩壊を乗り越えることに成功したことを示している。
  論文  参考訳（メタデータ） (2026-06-08T10:16:59Z)
• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• Uni-World VLA: Interleaved World Modeling and Planning for Autonomous Driving [52.04950569530877]
  我々は、将来のフレーム予測と軌道計画の密接なインターリーブを行う統合視覚言語行動モデルUni-World VLAを提案する。 提案手法は,高忠実度将来のフレーム予測を行いながら,競合する閉ループ計画性能を実現する。
  論文  参考訳（メタデータ） (2026-03-28T14:39:51Z)
• Value-guided action planning with JEPA world models [44.84158001773079]
  環境を推論できるディープラーニングモデルを構築するには、その基盤となるダイナミクスをキャプチャする必要がある。 JEPA(Joint-Embeded Predictive Architectures)は、そのようなダイナミクスをモデル化するための有望なフレームワークを提供する。 本稿では,JEPAワールドモデルを用いて,表現空間を形作ることで計画を強化する手法を提案する。
  論文  参考訳（メタデータ） (2025-12-28T20:17:49Z)
• Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
  本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。 テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
  論文  参考訳（メタデータ） (2025-12-10T18:59:45Z)
• Spatiotemporal Forecasting as Planning: A Model-Based Reinforcement Learning Approach with Generative World Models [45.523937630646394]
  本研究では,モデルベース強化学習における新たなパラダイムであるSFP予測・アズ・プランニング(SFP)を提案する。 SFPは、多様な高時間将来の状態をシミュレートし、「想像に基づく」環境シミュレーションを可能にする新しい世界モデルを構築している。
  論文  参考訳（メタデータ） (2025-10-05T03:57:38Z)

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。