論文の概要: D-JEPA: A Decision-Aligned Latent World Model

• arxiv url: http://arxiv.org/abs/2609.24749v1
• Date: Mon, 21 Sep 2026 15:17:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.356098
• Title: D-JEPA: A Decision-Aligned Latent World Model
• Title（参考訳）: D-JEPA: 決定に適応した潜在世界モデル
• Abstract要約: 決定整合型潜在世界モデルD-JEPAは、実行結果から候補者先物間の決定関連関係を学習する。 D-JEPAはJEPA互換の将来の表現における学習された決定構造を実現し、ネイティブな潜在距離計画によるデプロイメントを可能にしている。
• 参考スコア（独自算出の注目度）: 7.765598400147485
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent world models predict the consequences of actions, but accurate prediction does not guarantee that latent distance reflects which candidate will execute successfully. We identify a decision-local prediction gap: among the few futures competing for execution, a candidate predicted closer to the goal can produce a worse realized outcome than an available alternative. We introduce D-JEPA, a decision-aligned latent world model that learns decision-relevant relations among candidate futures from executed outcomes. A bounded, permutation-equivariant operator jointly reasons over goal-relative predictive features and ordinal evidence, refining pretrained predictive geometry where action choices are most consequential. Restricted predictor adaptation and a shared ordinal interface extend this alignment across complementary predictive geometries. D-JEPA further realizes the learned decision structure in JEPA-compatible future representations, enabling deployment through native latent-distance planning. Evaluations across latent control, manipulation, pretrained action-producing models, physical robots and autonomous driving demonstrate improved action selection, including 87.89% success on PushT, a 15.04-point average gain on RoboTwin, and a 17-point gain on physical robot tasks. These results establish decision-relevant relational structure as a direct bridge between predictive world modeling and effective control.
• Abstract（参考訳）: 潜伏世界モデルは行動の結果を予測するが、正確な予測は潜伏距離がどの候補が正常に実行されるかを反映することを保証しない。 実行を競う数少ない未来の中で、目標に近づくと予測される候補は、利用可能な代替手段よりも、より現実的な結果を生み出すことができる。 D-JEPAは、実行された結果から候補者先物間の意思決定関連関係を学習する決定整合潜在世界モデルである。 有界な置換同変作用素は、目標相対的な予測的特徴と順序的証拠を共同で理由付け、行動選択が最も連続的な事前学習予測幾何学を洗練する。 制限付き予測器適応と共有順序インタフェースは、このアライメントを相補的な予測測地にわたって拡張する。 D-JEPAは、JEPA互換の将来の表現における学習された決定構造をさらに実現し、ネイティブな潜在距離計画によるデプロイメントを可能にしている。 潜伏制御、操作、事前訓練された行動生成モデル、物理ロボット、自律運転による評価は、PushTでの87.89%の成功、RoboTwinでの15.04ポイントの平均利得、物理ロボットのタスクにおける17ポイント利得など、アクション選択の改善を示す。 これらの結果は、予測的世界モデリングと効果的な制御の直接的な橋渡しとして、意思決定関連関係構造を確立する。

関連論文リスト

• DA-WAM: Decision-Aligned Future Latents for Driving World Models [6.756366477497099]
  DA-WAMは、予測表現学習、行動条件付き将来のモデリング、軌道スコアを単一の意思決定目標の下で統一するフレームワークである。 動作条件付き予測器は、トラジェクトリ候補毎の異なる将来の潜在状態を生成し、将来の遅延条件付き因子化スコアラによって評価される。 NAVSIM-v1とNAVSIM-v2の実験は、最先端の性能を示し、改善と診断分析は鍵となる構成要素を検証する。
  論文  参考訳（メタデータ） (2026-08-19T16:33:02Z)
• From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
  アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。 世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。 我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
  論文  参考訳（メタデータ） (2026-07-13T15:22:56Z)
• Is the Future Compatible? Diagnosing Dynamic Consistency in World Action Models [28.165928090888986]
  世界行動モデル(WAM)は、将来の観察と行動を予測することにより、想像上のロールアウトを通じて意思決定を可能にする。 動作状態の整合性、予測された動作と誘導された状態遷移の整合性を、WAMの信頼性の欠如の軸として同定する。 テスト時間選択のための価値のないコンセンサス戦略を導入し、予測される未来間での合意によって、候補のロールアウトをランク付けする。
  論文  参考訳（メタデータ） (2026-05-08T09:44:43Z)
• ESIA: An Energy-Based Spatiotemporal Interaction-Aware Framework for Pedestrian Intention Prediction [24.45524909253344]
  自動運転の最近の進歩は、歩行者の意図予測の研究を動機付けている。 既存の研究は、単純化されたマルチエージェント相互作用パターン、不透明な推論論理、グローバルな行動予測の欠如によって制約されている。 本研究では,歩行者と環境をノードとして扱うための条件ランダムフィールド(CRF)に基づくパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-04-26T14:13:58Z)
• Chatting about Conditional Trajectory Prediction [9.783060985404386]
  条件付き軌道予測(CiT)のためのクロス時間領域意図対話法を提案する。 提案したCitは、時間とともに行動意図を共同で分析し、異なる時間領域における情報補完と統合を実現する。 さらに、CitTはロボットの動き計画と制御モジュールと密に統合し、任意の軌道予測結果を生成するように設計されている。
  論文  参考訳（メタデータ） (2026-04-20T11:44:16Z)
• 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)
• ACT-JEPA: Novel Joint-Embedding Predictive Architecture for Efficient Policy Representation Learning [90.41852663775086]
  ACT-JEPAは模倣学習と自己教師型学習を統合する新しいアーキテクチャである。 我々はアクションシーケンスと抽象的な観察シーケンスを予測するポリシーを訓練する。 実験の結果,ACT-JEPAは時間環境の動的学習によって表現の質を向上させることがわかった。
  論文  参考訳（メタデータ） (2025-01-24T16:41:41Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Instance-Aware Predictive Navigation in Multi-Agent Environments [93.15055834395304]
  エージェント間の相互作用と将来のシーン構造を予測するIPC(Instance-Aware Predictive Control)アプローチを提案する。 我々は,ego中心の視点でエージェント間のインタラクションを推定するために,新しいマルチインスタンスイベント予測モジュールを採用する。 シーンレベルとインスタンスレベルの両方の予測状態をより有効活用するために、一連のアクションサンプリング戦略を設計します。
  論文  参考訳（メタデータ） (2021-01-14T22:21:25Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)

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。