論文の概要: PhyLatent: Learning Dynamics-Relevant Representations for JEPA World Models

• arxiv url: http://arxiv.org/abs/2608.05720v1
• Date: Thu, 06 Aug 2026 08:02:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.849913
• Title: PhyLatent: Learning Dynamics-Relevant Representations for JEPA World Models
• Title（参考訳）: PhyLatent: JEPAワールドモデルのためのダイナミクス関連表現の学習
• Authors: Xi Zeng, Haojie Ren, Ziying Song,
• Abstract要約: PhyLatentは、JEPA(JointEmbedding Predictive Architecture)の世界モデルのための動的関連トレーニングの目標である。 我々は,JEPAワールドモデルにおける3つの障害モードを同定する。 OGBench-Cubeでは、PhyLatentは3つの障害率を15.60%、6.71%、8.41%から7.53%、0.95%、および4.62%に減らし、モデル予測制御(MPC)の成功を70.0%から78.1%に改善している。
• 参考スコア（独自算出の注目度）: 12.761667671058767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose PhyLatent, a dynamics-relevant training objective for JointEmbedding Predictive Architecture (JEPA) world models. Our key observation is that preventing global latent collapse does not ensure that a representation preserves physical states and action consequences. We identify three failure modes in JEPA world models: physical invariance collapse, physical identifiability collapse, and counterfactual dynamics collapse. PhyLatent addresses them through three training pathways: physical invariance, physical identifiability, and counterfactual dynamics, implemented with physical state grounding, future representation alignment, static visual invariance, counterfactual branch separation, and latent denoising. On OGBench-Cube, PhyLatent reduces the three failure rates from 15.60%, 6.71%, and 8.41% to 7.53%, 0.95%, and 4.62%, respectively, and improves model predictive control (MPC) success from 70.0% to 78.1%. With the same architecture and planner, it further improves success from 81.0% to 98.0% on TwoRooms and remains competitive on Reacher and PushT. These results show that global non-collapse alone is insufficient for learning a reliable JEPA worldmodel state space.
• Abstract（参考訳）: 本稿では,JEPA(JointEmbedding Predictive Architecture)世界モデルのための動的関連学習目標であるPhyLatentを提案する。 我々の重要な観察は、グローバルな潜伏崩壊を防ぐことは、表現が物理的状態と行動結果を保存することを保証しないことである。 我々は,JEPAワールドモデルにおける3つの障害モードを同定する。 PhyLatentは、物理的不変性、物理的識別性、および反ファクト的ダイナミクスの3つのトレーニングパスを通じてこれらに対処し、物理的状態の接地、将来の表現アライメント、静的な視覚的不変性、反ファクト的分岐分離、潜時復調を実装した。 OGBench-Cubeでは、PhyLatentは3つの障害率を15.60%、6.71%、8.41%から7.53%、0.95%、および4.62%に減らし、モデル予測制御(MPC)の成功を70.0%から78.1%に改善している。 同じアーキテクチャとプランナーで、TwoRoomsでは81.0%から98.0%に改善され、ReacherとPushTでは競争力を維持している。 これらの結果から,グローバル非崩壊だけでは信頼性の高いJEPA世界モデル状態空間を学習するには不十分であることが示唆された。

関連論文リスト

• AquaJEPA: Action-Conditioned Multimodal Predictive Representations for Underwater Robot Dynamics [0.0]
  AquaJEPAは、RGBカメラ、前方のソナー、およびプロプレセプションを明示的なセンサーの有効性で融合する。 8スラスターコマンドで、将来の潜伏目標を予測します。 これは、ペアの最終的なエラーにおいて、アクション条件付き予測ベースラインの3つを著しく上回る。
  論文  参考訳（メタデータ） (2026-07-31T13:11:11Z)
• Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
  Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。 表現の崩壊を防ぎ、アクション整列表現を誘導する。 コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
  論文  参考訳（メタデータ） (2026-06-18T11:25:16Z)
• Masked Diffusion Language Models are Strong and Steerable Text-Based World Models for Agentic RL [0.8546394944138487]
  我々は、テキストベースの世界モデリングを、初期状態に分解可能な遷移力学問題として定式化する。 我々は、9つのオープンソース環境と12のフロンティアモデルファミリーにまたがる239,403の基底状態行動軌跡をキュレートする。 我々は,決定論的状態チェックを備えたGRPOトレーニングフレームワークを導入し,3つのOOD環境上でゼロショット転送処理を行う。
  論文  参考訳（メタデータ） (2026-05-07T00:40:32Z)
• RecoverFormer: End-to-End Contact-Aware Recovery for Humanoid Robots [5.584060970507507]
  完全エンドツーエンドのヒューマノイド回復ポリシーであるRECOVERFORMERを提案する。 回復行動の中で、いつ、どのように切り替えるかを学ぶ。 このアーキテクチャは、50ステップの観測履歴に2つの新しい頭を持つ因果変換器を組み合わせたものである。
  論文  参考訳（メタデータ） (2026-04-24T17:52:06Z)
• Enhancing Policy Learning with World-Action Model [4.941630596191806]
  World-Action Model (WAM) は行動規則化された世界モデルであり、将来の視覚的観察と状態遷移を駆動する行動について共同で理由を定めている。 WAMは、遅延状態遷移からアクションを予測するDreamerV2に、逆ダイナミクスの目的を組み込んでいる。 我々は、CALVINベンチマークから8つの操作タスクにわたるポリシー学習の強化について、WAMを評価した。
  論文  参考訳（メタデータ） (2026-03-30T19:56:05Z)
• CtrlAttack: A Unified Attack on World-Model Control in Diffusion Models [92.04182855442254]
  我々は、I2Vモデルの脆弱性を分析し、時間的制御機構が新たな攻撃面を構成することを発見し、それらを一様にモデル化することの難しさを明らかにする。 我々はCtrlAttackと呼ばれるトラジェクトリ制御攻撃を提案し、生成過程における状態の進化を妨害する。 実験結果から,低次元および高規則化摂動制約下であっても,時間的一貫性を著しく損なう可能性が示唆された。
  論文  参考訳（メタデータ） (2026-03-13T08:05:50Z)
• When World Models Dream Wrong: Physical-Conditioned Adversarial Attacks against World Models [54.08784776767683]
  本稿では,物理条件を乱す最初のホワイトボックス世界モデルアタックであるPhysCond-WMA(PhysCond-WMA)を提案する。 PhysCond-WMAは知覚の忠実さを維持しながら意味、論理、決定レベルの歪みを引き起こす。
  論文  参考訳（メタデータ） (2026-02-21T07:22:37Z)
• Aligning Agentic World Models via Knowledgeable Experience Learning [68.85843641222186]
  環境フィードバックをシンセサイザー化したWorld Knowledge Repositoryを構築するフレームワークであるWorldMindを紹介する。 WorldMindは、優れたクロスモデルとクロス環境転送性を備えたベースラインよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-01-19T17:33:31Z)
• Internalizing World Models via Self-Play Finetuning for Agentic RL [65.96875390986655]
  エージェントとしての大規模言語モデル(LLM)は、しばしばアウト・オブ・ディストリビューション(OOD)のシナリオで苦労する。 状態表現と遷移モデリングという2つのコンポーネントに分解することで、この世界モデルをエンコードする方法を示す。 SPAは,世界モデルを学習するために,セルフプレイ指導による微調整段階を通じてポリシーを冷やし始める,シンプルな強化学習フレームワークである。
  論文  参考訳（メタデータ） (2025-10-16T18:03:39Z)
• FLIP: A Provable Defense Framework for Backdoor Mitigation in Federated Learning [66.56240101249803]
  我々は,クライアントの強固化がグローバルモデル(および悪意のあるクライアント)に与える影響について検討する。 本稿では, 逆エンジニアリングによる防御手法を提案するとともに, 堅牢性を保証して, 改良を実現できることを示す。 競合する8つのSOTA防御法について, 単発および連続のFLバックドア攻撃に対して, 提案手法の実証的優位性を示した。
  論文  参考訳（メタデータ） (2022-10-23T22:24:03Z)

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。