論文の概要: SCALE: State-Calibrated Latent Embeddings for JEPA Planning in the Right Geometry
- arxiv url: http://arxiv.org/abs/2608.16287v1
- Date: Mon, 17 Aug 2026 08:58:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.600729
- Title: SCALE: State-Calibrated Latent Embeddings for JEPA Planning in the Right Geometry
- Title（参考訳）: SCALE: 正しい幾何学におけるJEPA計画のための状態キャリブレーションされた潜伏埋め込み
- Abstract要約: 非崩壊表現を得るための2つの戦略は、事前訓練された特徴空間を継承し、非崩壊正則化を用いて埋め込み終端を学習することである。
課題関連情報が存在するかどうかだけでなく,計画者が消費する幾何を形作るかどうかにも依存することを示す。
- 参考スコア（独自算出の注目度）: 14.742804674497128
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Joint-embedding predictive world models plan by scoring predicted terminal embeddings against a goal embedding using a cost defined on the representation itself. Two prominent strategies for obtaining non-collapsed representations are to inherit a pretrained feature space, as in DINO-WM, and to learn an embedding end to end with anti-collapse regularization, as in LeWorldModel (LeWM) with SIGReg. These strategies show complementary strengths across tasks. Although task-relevant state is decodable from the full embeddings of both models, DINO-WM's leading principal components usually retain substantially more state information than LeWM's. Because Euclidean planning costs are dominated by high-variance directions, this difference affects how strongly state can influence candidate selection. We propose SCALE (State-CAlibrated Latent Embeddings) to give the end-to-end LeWM representation the favorable geometric property observed in DINO-WM. SCALE induces this property by correlating sampled pairwise latent distances with distances in a standardized task-relevant state space, without replacing LeWM's learned encoder. Across five tasks, three planning solvers, and five compute budgets, SCALE improves every task--solver average over LeWM. A latent-to-state regression control matches or exceeds SCALE's full-embedding decodability yet leaves latent--state distance alignment essentially unchanged and yields less consistent planning gains. SCALE adds a single lightweight training-time regularizer and no planning-time overhead. These results show that planning depends not only on whether task-relevant information is present, but also on whether it shapes the geometry consumed by the planner.
- Abstract（参考訳）: 予測終端埋め込みを表現自体に定義されたコストを用いて目標埋め込みに対して評価することにより、共同埋め込み予測世界モデル計画を行う。
非崩壊表現を得るための2つの重要な戦略は、DINO-WMのように事前訓練された特徴空間を継承し、SIGRegと共にLeWorldModel(LeWM)のように、反崩壊正則化で終端への埋め込みを学習することである。
これらの戦略はタスク間で相補的な強みを示す。
タスク関連状態は両モデルの完全な埋め込みとは分離可能であるが、DINO-WMの主成分は通常、LeWMよりもかなり多くの状態情報を保持する。
ユークリッド計画コストは高分散方向が支配するので、この差は、いかに強い状態が候補選択に影響を及ぼすかに影響する。
そこで我々は,DINO-WMで観測された幾何学的特性をエンドツーエンドのLeWM表現としてSCALE(State-CAlibrated Latent Embeddings)を提案する。
SCALEは、LeWMの学習エンコーダを置き換えることなく、標準化されたタスク関連状態空間において、サンプル化されたペアの潜伏距離と距離を関連付けることにより、この特性を誘導する。
5つのタスク、3つのプランニングソルバ、5つの計算予算で、SCALEはLeWMよりもすべてのタスク-ソルバ平均を改善します。
潜在状態から状態への回帰制御はSCALEの完全埋め込み性と一致するか、あるいは超えるが、潜状態距離のアライメントは基本的に変化せず、整合性の低い計画ゲインをもたらす。
SCALEには、単一の軽量なトレーニングタイムレギュレータと、計画時間オーバーヘッドがない。
これらの結果は,課題関連情報が存在するかどうかだけでなく,プランナーが消費する幾何を形作るかどうかにも依存することを示している。
関連論文リスト
- 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) - Decision-Metric Alignment in Latent World Models: Diagnostics and Action-Conditioned Objectives for MPC Planning [5.704305798718388]
JEPA-style Latent world model can use Euclidean distance to a goal latent as the cost for model-predictive control (MPC)
提案手法では,乱数計画における非現実的なランク合意を測るPlan-Real Spearmanと,クロスエントロピー・メソッド(CEM)探索と同じ合意を測るCEMステージSpearmanを提案する。
論文 参考訳（メタデータ） (2026-08-19T09:56:39Z) - VIScore: Diagnosing Planning-Relevant Quality in Latent World Models [21.894781659564817]
潜在空間を等方性ガウス分布に規制することは、世界モデル計画のための安定で情報に最適化された景観を提供する。
SIGReg と VISReg の2つの正規化損失関数を同じ分布対象の異なる性質で比較して検討する。
SIGRegと比較すると、VISRegは中心、スケール、形状の正規化の重みを制御できる柔軟性が高く、バッチサイズが大きいほど分布近似が微妙になる。
符号化された予測器の到達性とキャパシティを定量化する指標であるVeracity-Influence-Sobriety score (VIScore)を提案する。
論文 参考訳（メタデータ） (2026-08-11T17:34:10Z) - Temporal-Distance JEPA: Plan-Aware Representation Learning for Latent World Model Predictive Control [8.39933163242427]
JEPAsは、ピクセルを再構築するのではなく、表現空間で予測することで世界モデルを学ぶ。
以前のJEPAプランナーは、しばしば埋め込み幾何学(典型的には遅れたユークリッド距離)からランキングを継承する。
本稿では,LWMエンコーダのバックボーンを保持するテンポラルディスタンスJEPAを提案する。
論文 参考訳（メタデータ） (2026-07-28T06:38:16Z) - Fast LeWorldModel [5.938994204098151]
我々は、繰り返しローカルロールアウトをアクション予測に置き換える高速遅延世界モデルであるFast LeWorldModel(Fast-LeWM)を提案する。
アクションプレフィックスを基本的な予測単位にすることで、Fast-LeWMは複数の水平線上で蓄積されたアクション効果を直接モデル化する。
Fast-LeWMはLeWMよりも平均的な成功を向上し、計画時間を大幅に短縮し、オープンループ遅延損失の低減を実現している。
論文 参考訳（メタデータ） (2026-06-24T17:59:59Z) - 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) - Latent Geometry Beyond Search: Amortizing Planning in World Models [17.571800971505787]
学習した表現は、単に予測を有効にするのではなく、制御を単純化できることを示す。
反復計画を手軽なゴール条件逆ダイナミクスモデル(GC-IDM)に置き換える
コントローラは環境プロトコール設定8つのうち7つでCEMと一致または超過し、判定あたりのコストを100-130倍に削減する。
論文 参考訳（メタデータ） (2026-05-09T06:36:23Z) - 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) - ProAct: Agentic Lookahead in Interactive Environments [56.50613398808361]
ProActは、2段階のトレーニングパラダイムを通じて、エージェントが正確なルックアヘッド推論を内部化することを可能にするフレームワークである。
そこでは,環境に基づく探索から得られたトラジェクトリの微調整をエージェントが行うGLAD(Grounded LookAhead Distillation)を紹介する。
また,政策段階のアルゴリズムを改良する補助値推定器であるモンテカルロ批判(MC-Critic)を提案する。
論文 参考訳（メタデータ） (2026-02-05T05:45:16Z) - Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。
We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
論文 参考訳（メタデータ） (2025-11-04T17:22:22Z) - Unified World Models: Memory-Augmented Planning and Foresight for Visual Navigation [69.94565127141483]
現在のアプローチでは、ナビゲーション計画とビジュアルワールドモデリングが分離されており、状態-アクションのミスアライメントと適応性の制限につながっている。
一つのマルチモーダル自己回帰バックボーン内に、自我中心の視線と計画を統合する統一されたメモリ拡張世界モデルUniWMを提案する。
我々は,UniWMが航法成功率を最大30%向上し,トラジェクトリエラーを強いベースラインと比較して著しく低減し,未確認のTartanDriveデータセットに印象的なゼロショット一般化を示すことを示した。
論文 参考訳（メタデータ） (2025-10-09T18:18:11Z) - LaDi-WM: A Latent Diffusion-based World Model for Predictive Manipulation [45.02469804709771]
拡散モデルを用いて将来の状態の潜伏空間を予測する世界モデルLaDi-WMを提案する。
LIBERO-LONGベンチマークでは,LaDi-WMが27.9%,現実シナリオでは20%,政策性能が著しく向上することを示した。
論文 参考訳（メタデータ） (2025-05-13T04:42:14Z)
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。