論文の概要: Diagnosing JEPA World Models with Action-Conditioned Predictive Consistency
- arxiv url: http://arxiv.org/abs/2608.12939v1
- Date: Thu, 13 Aug 2026 08:18:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.439877
- Title: Diagnosing JEPA World Models with Action-Conditioned Predictive Consistency
- Title（参考訳）: Action-Conditioned Predictive ConsistencyによるJEPA世界モデルの診断
- Abstract要約: クリーンな歴史と、前方へ転がった後の視界のゆがみを計測する診断手法を導入する。
この分散は、多段階予測誤差とプランナーコストの摂動によって引き起こされる変化を束縛することを証明する。
4つの視覚制御タスクの実験は、ペアワイズACPCが摂動による予測とコスト変化を予測することを示している。
- 参考スコア（独自算出の注目度）: 38.88857369304745
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Joint-embedding predictive architectures (JEPAs) learn world models that predict in a compact latent space rather than in pixels, reducing the pressure to model nuisance appearance. Yet this provides no guarantee against visual perturbations: they can still alter the encoded representation and affect subsequent action-conditioned predictions. Bisimulation captures this requirement precisely: two observations should be treated as the same state only when their action-conditioned consequences agree. Guided by this criterion, we introduce Action-Conditioned Predictive Consistency (ACPC), a diagnostic that measures how far a clean history and a visually perturbed view of it diverge after being rolled forward under the same action sequence. We prove that this divergence bounds the perturbation-induced change in multi-step prediction error and planner cost. Building on pairwise ACPC, we define two complementary measures: the Invariance Radius (IR) summarizes clean-perturbed rollout spread, while the Separation Rate (SR) checks whether different states remain distinguishable after rollout. Experiments on four visual control tasks show that pairwise ACPC predicts perturbation-induced prediction and cost changes. On LeWM, the IR-SR screen transfers across tasks, and the joint diagnostic remains informative under blur and resize. PLDM exhibits similar diagnostic trends under a different architecture.
- Abstract（参考訳）: 共同埋め込み予測アーキテクチャ(JEPA)は、ピクセルではなくコンパクトな潜在空間で予測する世界モデルを学習し、ニュアンス外観をモデル化する圧力を低減させる。
しかし、これは視覚的摂動に対する保証を提供していない。符号化された表現を変更し、その後のアクション条件の予測に影響を与えることができる。
バイシミュレーションは、この要件を正確に捉えている: 2つの観察は、行動条件による結果が一致する場合にのみ、同じ状態として扱われるべきである。
この基準に導かれたACPC(Action-Conditioned Predictive Consistency)は,同一のアクションシーケンスで展開された後,クリーンな履歴と視覚的摂動の視界がどの程度変化するかを測定する診断法である。
この分散は、多段階予測誤差とプランナーコストの摂動によって引き起こされる変化を束縛することを証明する。
Invariance Radius (IR) はクリーン・パーターブ・ロールアウト・スプレッドを要約し, 分離レート (SR) はロールアウト後に異なる状態が識別可能であるかをチェックする。
4つの視覚制御タスクの実験は、ペアワイズACPCが摂動による予測とコスト変化を予測することを示している。
LeWMでは、IR-SRスクリーンがタスク間で転送され、共同診断はぼやけ、サイズが変更される。
PLDMは異なるアーキテクチャの下で同様の診断傾向を示す。
関連論文リスト
- Just Noticeable Difference Modeling for Token Compression in Vision-Language-Action Models [62.522141464687195]
本稿では,単に目立った差分(JND)の原理を具体化するためのアクションJNDを紹介する。
トークンの変化は、誘導された行動偏差が許容範囲内に留まっている場合にのみ許容できると考えられる。
結果として生じるアクション耐性スコアは、VLA圧縮パラダイムのプラグアンドプレイ基準として機能する。
論文 参考訳（メタデータ） (2026-08-21T15:59:37Z) - Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。
そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。
制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
論文 参考訳（メタデータ） (2026-08-20T13:59:57Z) - Amortized Interventional Forecasting for Multivariate CIR Processes [2.918919242459813]
平均回帰力学は金融において広く普及している。
CIRモデルは、列間のエンフコーズの影響ではなく、エンフコーズに関連するコムーブメントのみをキャプチャする。
論文 参考訳（メタデータ） (2026-08-04T14:17:35Z) - On the Identifiability of Controlled World Models [34.31084112465058]
本稿では,ガウス潜在状態を持つ制御された世界モデルに対する合同識別可能性条件を提案する。
この条件が成立すると、LeJEPAスタイルの予測目標の最小化が潜伏状態と制御力学の両方を回復できることを示す。
また、最も弱い条件-励起マージンで逆スケールする反事実予測誤差の達成可能な増幅を特徴付ける。
論文 参考訳（メタデータ） (2026-07-24T15:49:12Z) - DCS: A Unified Conditional Sensitivity Framework for Cross-Modal Copyright Infringement Detection [0.0]
本研究は,著作権侵害の証拠を条件付き分散シフトとして扱う,統合されたポストホック検出フレームワークを開発する。
保護対象は、その目標がトレーニングプロセスに含まれるか、または取り除かれた場合、整列条件下でのモデルの振る舞いが測定可能に変更されるかどうか疑わしい。
このフレームワークは、リッジ規則化線形回帰、条件付き拡散モデル、自己回帰言語モデル、マルチモーダルモデルのためにインスタンス化されている。
論文 参考訳（メタデータ） (2026-07-24T07:00:44Z) - Predictive Objectives Discard Exogenous Control-Relevant Features: A Controlled Mechanistic Study [0.0]
共同埋め込み予測(JEPA)の目的は、将来の潜伏者を予測することによって表現を学ぶことである。
これは、制御関連性よりも時間的予測可能性の最適化が目的であるからである。
報酬ラベル付き遷移の2%がこの機能を回復すると、その効果は2つの環境にまたがることがわかった。
論文 参考訳（メタデータ） (2026-06-29T10:00:50Z) - Perturb and Correct: Post-Hoc Ensembles using Affine Redundancy [0.0]
P&C(Perturb-and-Correct)は,1つの事前学習ネットワークから多様な予測器を構築する手法である。
P&Cは後続のアフィン層に最小二乗補正を施したランダムな隠れ層摂動を適用し、キャリブレーションデータに同意する予測器を発生させる。
実証的には、P&C は MuJoCo の動的予測と CIFAR-10 OOD 検出にまたがる強力な ID/OOD トレードオフを実現している。
論文 参考訳（メタデータ） (2026-05-02T22:48:11Z) - On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
このような情報条件の相互作用パターンを振る舞い依存として定式化する。
これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。
その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
論文 参考訳（メタデータ） (2026-02-24T22:55:21Z) - BURN: Backdoor Unlearning via Adversarial Boundary Analysis [73.14147934175604]
Backdoor Unlearningは、モデル本来の機能を保持しながら、バックドア関連の情報を削除することを目的としている。
本稿では, 偽相関疎結合, プログレッシブデータリファインメント, モデル浄化を統合した新しい防御フレームワーク, BURNによるバックドア・アンラーニングを提案する。
論文 参考訳（メタデータ） (2025-07-14T17:13:06Z) - Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。
現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。
情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
論文 参考訳（メタデータ） (2025-03-21T18:06:28Z) - Consistency Regularization for Deep Face Anti-Spoofing [69.70647782777051]
顔認証システムでは、顔認証(FAS)が重要な役割を担っている。
このエキサイティングな観察によって、異なる視点の特徴整合性を促進することが、FASモデルを促進するための有望な方法かもしれないと推測する。
FASにおけるEPCR(Embeddding-level and Prediction-level Consistency Regularization)とEPCR(Embeddding-level Consistency Regularization)を併用した。
論文 参考訳（メタデータ） (2021-11-24T08:03:48Z)
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。