論文の概要: H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning

• arxiv url: http://arxiv.org/abs/2610.06805v1
• Date: Mon, 05 Oct 2026 17:53:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 22:36:23.557625
• Title: H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
• Title（参考訳）: H-JEPA:ビジュアルプランニングのための階層的世界モデルのエンドツーエンド学習
• Abstract要約: 遅れた世界モデルによる長期計画には、時間スケールと抽象化のレベルを越えた推論が必要である。 動作条件付きJEPAsの階層をトレーニングするためのエンドツーエンドのレシピであるH-JEPAを紹介する。 4つのシミュレートされたナビゲーションと操作環境の中で、階層的なプランニングはフラットなJEPAよりも改善されている。
• 参考スコア（独自算出の注目度）: 45.64147322275263
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-horizon planning with latent world models requires reasoning across timescales and levels of abstraction. Existing task-agnostic JEPA world models predict and plan at a single timescale or with multiple horizons in one shared latent space. We introduce H-JEPA, an end-to-end recipe for training a hierarchy of action-conditioned JEPAs in which each level predicts farther ahead in its own learned latent space. Planning proceeds top-down: the top level optimizes progress toward the goal, and each level's predictions become subgoals for the planner below it. When factors in the data evolve at separated timescales, higher levels discard fast, unpredictable detail and retain slower task-relevant state. Across four simulated navigation and manipulation environments, hierarchical planning improves over a flat JEPA; on Visual AntMaze, a three-level hierarchy raises success from 18% to 73% using less planner compute. Ablations attribute these gains to both temporal decomposition and higher-level goal representations. With inverse-dynamics supervision, the approach extends to diverse real-robot videos from DROID, where hierarchy improves offline planning fidelity at lower planner compute.
• Abstract（参考訳）: 遅れた世界モデルによる長期計画には、時間スケールと抽象化のレベルを越えた推論が必要である。 既存のタスクに依存しないJEPAワールドモデルは、1つの時間スケールまたは1つの共有潜在空間で複数の地平線で予測と計画を行います。 我々は、アクション条件付きJEPAの階層をトレーニングするためのエンドツーエンドのレシピであるH-JEPAを紹介します。 トップレベルはゴールに向けた進捗を最適化し、各レベルの予測はその下のプランナーのサブゴールとなる。 データ内の因子が分離された時間スケールで進化すると、高いレベルは高速で予測不可能な詳細を放棄し、タスク関連状態を遅く保つ。 4つのシミュレートされたナビゲーションと操作環境の中で、階層的なプランニングはフラットなJEPAよりも改善されている。 Visual AntMazeでは、プランナー計算を少なくすることで、3レベルの階層が18%から73%に向上する。 アブレーションはこれらの利得を時間分解と高レベルの目標表現の両方に帰着する。 逆力学の監督により、この手法は、低プランナー計算におけるオフライン計画忠実性を改善するDROIDの様々な実ロボットビデオにまで拡張される。

関連論文リスト

• Beyond a single latent space: a dual-latent world model for long-horizon planning [31.266841567526324]
  本稿では,局所実行と長距離計画を分離したDual-Latent World Model(Dual-WM)を紹介する。 低レベルモデルは行動条件の遷移を予測し、高レベルモデルは学習されたマクロアクションを使用して、より長い時間的スパンを計画する。 我々は,5つの目標条件付き視覚制御タスクに対して,アクター誘導による提案を伴わずに,タスクワイドなベースラインに対してDual-WMを評価する。
  論文  参考訳（メタデータ） (2026-09-29T14:12:33Z)
• 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)
• FF-JEPA: Long-Horizon Planning in World Models with Latent Planners [30.722155570120766]
  JEPA(Joint Embedding Predictive Architectures)は、将来性のある世界モデリング機能を示している。 2つのフォワードダイナミクスモデルを利用した階層的アプローチであるフォワード・フォワード・JEPA(FF-JEPA)を提案する。 PushTの予備的な結果は、FF-JEPAが平らな世界モデルの長い水平崩壊を乗り越えることに成功したことを示している。
  論文  参考訳（メタデータ） (2026-06-08T10:16:59Z)
• Hierarchical Planning with Latent World Models [49.82095442483551]
  階層的計画は、最大4倍の計画時間計算を必要としながら、より高い成功を達成する。 この階層的なアプローチにより、現実世界の非グリーディロボットタスクをゼロショットで制御できることを実証する。
  論文  参考訳（メタデータ） (2026-04-03T17:32:36Z)
• DeepPlanner: Scaling Planning Capability for Deep Research Agents via Advantage Shaping [74.34061104176554]
  我々は、ディープリサーチエージェントの計画能力を効果的に向上するエンドツーエンドのRLフレームワークであるDeepPlannerを提案する。 提案手法は,高エントロピートークンの大幅な更新を割り当てるエントロピーに基づく用語を用いてトークンレベルの優位性を形作るとともに,計画集約ロールアウトに対するサンプルレベルの優位性を選択的に向上させる。
  論文  参考訳（メタデータ） (2025-10-14T20:47:05Z)
• Extendable Long-Horizon Planning via Hierarchical Multiscale Diffusion [62.91968752955649]
  本稿では,学習データよりも長い軌道計画を行うための,拡張可能な長期計画支援エージェントの課題に対処する。 より短いものを縫い合わせることで、より長い軌跡を反復的に生成する拡張法を提案する。 HM-ディフューザーは階層構造を用いてこれらの拡張軌道を訓練し、複数の時間スケールにわたるタスクを効率的に処理する。
  論文  参考訳（メタデータ） (2025-03-25T22:52:46Z)
• Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
  未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。 視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。 本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:58:56Z)

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。