論文の概要: CF-JEPA: Improving Robustness of JEPA World Models via Controllability Factorization

• arxiv url: http://arxiv.org/abs/2610.00727v1
• Date: Wed, 30 Sep 2026 21:18:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.770233
• Title: CF-JEPA: Improving Robustness of JEPA World Models via Controllability Factorization
• Title（参考訳）: CF-JEPA:JEPA世界モデルのロバスト性の向上
• Abstract要約: JEPAスタイルのラテントワールドモデルは、イントラクタ信号に敏感であり、ラテント崩壊を経験する。 このJEPAは、潜在空間を制御可能で制御不能なサブ空間に分割する。 本研究では,2次元および3次元の制御タスクに対して,名目条件下での同等の性能を示すとともに,乱れ条件下での性能向上を示す。
• 参考スコア（独自算出の注目度）: 7.799466166140593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Controlling an agent with vision requires being able to separate useful information from irrelevant background information. JEPA-style latent world models seem like a natural approach for this, as they do not perform pixel-level reconstruction; however, they are still sensitive to these distractor signals and experience latent collapse. In this work, we introduce Controllability Factorized JEPA (CF-JEPA), a JEPA-style world model which splits the latent space into controllable and uncontrollable subspaces. This factorization allows us to capture all the distractor information into the uncontrollable region, while we use the control-relevant latent information for our task. With this, we show comparable performance across 2D and 3D control tasks under nominal conditions and improved performance under distracted conditions, where CF-JEPA is the only model that does not experience latent collapse. We also validate our model under distracted conditions for a simulated robot task, highlighting the practical application of such a scheme.
• Abstract（参考訳）: エージェントを視覚で制御するには、有用な情報を無関係な背景情報から切り離す必要がある。 ピクセルレベルの再構成は行わないため、JEPAスタイルの潜伏世界モデルは自然なアプローチに思えるが、それでもこれらの乱れ信号に敏感であり、潜伏した崩壊を経験する。 本稿では、JEPAスタイルの世界モデルである制御可能性因子化JEPA(CF-JEPA)を紹介し、潜在空間を制御可能かつ制御不能なサブ空間に分割する。 この因子化により、制御不能な領域に散らばった全ての情報をキャプチャし、制御関連潜時情報をタスクに利用できます。 CF-JEPAが遅延崩壊を経験しない唯一のモデルである2次元および3次元制御タスクに匹敵する性能を示す。 また,シミュレーションロボットの作業に注意を散らした条件下でのモデルの有効性を検証し,そのようなスキームの実用性を強調した。

関連論文リスト

• LRC-JEPA: Disentangling Dynamics and Residual Context for Efficient World Models [7.568664163065148]
  報酬のない自己超越の下で訓練された低次元表現は、アクション条件付き力学と予測可能な視覚コンテキストの両方をエンコードする必要がある。 LRC-JEPAは、情報をコンパクトな予測潜水器にルーティングする軽量なエンド・ツー・エンド・ワールドモデルである。 結果の表現は十分で、最小限で、ニュアンス不変であり、非絡み合っていることを示す。
  論文  参考訳（メタデータ） (2026-09-28T05:48:14Z)
• Latent evolving World Action Model [58.32634534358966]
  世界行動モデル(WAM)における視覚的表現が行動生成に与える影響について検討する。 本稿では,JEPA埋め込みにおけるアクション生成を条件としたLeWAMを提案する。 LeWAMはRoboTwin 2.0の平均成功率は92.28%であり、最先端のVLAやWAMに匹敵する。
  論文  参考訳（メタデータ） (2026-09-23T07:22:43Z)
• 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)
• Sub-JEPA: Subspace Gaussian Regularization for Stable End-to-End World Models [26.928611870426383]
  JointEmbedding Predictive Architectures (JEPA)は、将来の潜伏表現を予測することで、世界モデルを学ぶためのシンプルなフレームワークを提供する。 最近のLeWorldModel (LeWM) は、この問題を、同型ガウス先行の埋め込みを単純に制限することで緩和できることを示している。 元の埋め込み空間ではなく、複数のランダム部分空間にガウス的制約を適用することにより、バイアス分散フロンティア上の有利な操作点を求めるameを提案する。
  論文  参考訳（メタデータ） (2026-05-10T00:51:47Z)
• Structured Prototype-Guided Adaptation for EEG Foundation Models [56.35233377493694]
  脳波基礎モデルでは、主観レベルの監督が限定されている場合、一般化が不十分であることが示されている。 この失敗は、ノイズ、限られた監督とEMFの高可塑性パラメータ空間の間の構造的ミスマッチに起因する。 EFMファインチューニングのための構造化COnfidence対応プロトタイプ誘導適応フレームワークSCOPEを提案する。
  論文  参考訳（メタデータ） (2026-02-19T10:54:29Z)
• Self-Supervised JEPA-based World Models for LiDAR Occupancy Completion and Forecasting [11.278785857643575]
  我々は、LiDARデータから将来の時間的進化を予測する自動運転のための自己監督型世界モデルである textbfAD-LiST-JEPA を提案する。 そこで我々は,下流をベースとした作業の完了と予測タスクを通じて,学習した表現の質を評価する。
  論文  参考訳（メタデータ） (2026-02-13T02:42:21Z)
• Causal-JEPA: Learning World Models through Object-Level Latent Interventions [46.562961546550895]
  C-JEPAは単純で柔軟なオブジェクト中心の世界モデルであり、イメージパッチからオブジェクト中心の表現まで、マスク付きジョイント埋め込み予測を拡張する。 物体の状態が他の物体から推測される必要があるオブジェクトレベルのマスキングを適用することで、C-JEPAは反事実的効果を伴う潜伏介入を誘導する。
  論文  参考訳（メタデータ） (2026-02-11T21:47:26Z)
• ScaleWeaver: Weaving Efficient Controllable T2I Generation with Multi-Scale Reference Attention [86.93601565563954]
  ScaleWeaverは、高度な視覚的自己回帰(VAR)モデルに基づいて、高忠実で制御可能な生成を実現するために設計されたフレームワークである。 提案された参照注意モジュールは image$rightarrow$condition から不要な注意を排除し、計算コストを削減している。 実験によると、ScaleWeaverは、拡散ベースの方法よりも優れた効率を実現しつつ、高品質な生成と正確な制御を提供する。
  論文  参考訳（メタデータ） (2025-10-16T17:00:59Z)
• Enhancing AUV Autonomy With Model Predictive Path Integral Control [9.800697959791544]
  AUV制御のためのモデル予測経路積分制御(MPPI)の実現可能性について検討する。 我々はAUVの非線形モデルを用いてMPPIのサンプルを伝搬し、制御動作をリアルタイムで計算する。
  論文  参考訳（メタデータ） (2023-08-10T12:55:57Z)

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。