論文の概要: BeJEPA: A Goal-Conditioned Humanoid Behavior World Model via Unsupervised RL

• arxiv url: http://arxiv.org/abs/2610.23127v1
• Date: Fri, 16 Oct 2026 08:33:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.830501
• Title: BeJEPA: A Goal-Conditioned Humanoid Behavior World Model via Unsupervised RL
• Title（参考訳）: BeJEPA: 教師なしRLによる目標条件付きヒューマノイド行動世界モデル
• Abstract要約: 本研究では,教師なし強化学習を通じて学習した目標条件行動世界モデルBeJEPAを紹介する。 BeJEPAは、共同埋め込み予測アーキテクチャを通じて、身体構成と世界配置の共有表現を学ぶ。 20秒のモーショントラッキング実験では、動的を用いたオンラインアクションリファインメントを用いたBeJEPAは、グローバルなボディーポジションエラーにおけるベースラインの評価に優れていた。
• 参考スコア（独自算出の注目度）: 23.293890332270667
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Humanoid control requires coordinating whole-body posture with position and heading in the world frame. Mainstream controllers imitate trajectories in the root frame, but struggle to regain the target world pose after displacement. We introduce BeJEPA, a goal-conditioned Behavior World Model learned through unsupervised reinforcement learning from human motion priors and robot interaction. BeJEPA learns a shared representation of body configuration and world placement through a joint-embedding predictive architecture (JEPA). A Dynamic Predictor predicts the next state embedding under an action, while a Successor Predictor summarizes a goal-conditioned policy's expected discounted future state embeddings in a single vector. During joint training, Dynamic grounds the initial representation in observed physical transitions, while Successor increasingly organizes it around long-term behavior. Their composition guides policy improvement through one physical prediction and one behavioral summary, without long imagined rollouts. In 20-second motion-tracking experiments, BeJEPA with online action refinement using Dynamic outperforms all evaluated baselines in global body-position error, reducing it on AMASS by 61.7% relative to BFM-Zero with world-pose inputs and 58.7% relative to SONIC. Physical deployment on a Unitree G1 demonstrates joint attainment of posture, world position, and heading goals, recovery from the ground, and closed-loop return after disturbances and goal changes. Project page: https://ylyem9x.github.io/BeJEPA-project.
• Abstract（参考訳）: ヒューマノイド制御では、世界フレームの位置と方向を調整して全身姿勢を調整する必要がある。 メインストリームコントローラはルートフレーム内の軌跡を模倣するが、変位後のターゲット世界のポーズを取り戻すのに苦労する。 本研究では,人間の動作先からの教師なし強化学習とロボットインタラクションを通じて学習した,目標条件の行動世界モデルBeJEPAを紹介する。 BeJEPAは、共同埋め込み予測アーキテクチャ(JEPA)を通じて、身体構成と世界配置の共有表現を学ぶ。 動的予測器はアクションの下で次の状態の埋め込みを予測し、後継予測器はゴール条件付きポリシーの期待割引将来の状態の埋め込みを単一のベクトルにまとめる。 共同トレーニング中、ダイナミックは観察された物理的遷移の最初の表現を根拠にし、シークエンサーはそれを長期的行動の周りに整理する。 彼らの構成は、長期にわたるロールアウトを伴わずに、1つの物理的予測と1つの行動的要約を通じて政策改善を導く。 20秒のモーショントラッキング実験では、動的を用いたオンラインアクションリファインメントのBeJEPAは、グローバルなボディーポジションの誤差で評価されたベースラインを全て上回り、世界的インプットを持つBFM-ZeroとAMASSで61.7%、SONICで58.7%削減した。 ユニツリーG1への物理的展開は、姿勢、世界位置、先頭ゴールの合同達成、地上からの回復、乱れや目標変更後の閉ループ復帰を示す。 プロジェクトページ: https://ylyem9x.github.io/BeJEPA-project

関連論文リスト

• EgoJEPA: Beyond Retargeting for Dexterous Manipulation from Egocentric Videos [54.3385405724896]
  EgoJEPAは、エゴ中心の人間ビデオからエンボディメントに依存しない表現を学ぶ。 743.2時間から392.7時間にかけて、クロス・エボディメントの壁時計のコストを47.2%削減する。
  論文  参考訳（メタデータ） (2026-10-14T20:34:18Z)
• Toward Physically Grounded JEPA World Models for Goal-Conditioned Robotic Planning [17.909802735976466]
  我々は、逆ダイナミクス(IDM)と状態アライメント(SA)による潜伏予測を強化するエンド・ツー・エンドのJEPAワールドモデルを導入する。 我々のモデルはTwoRoom (100%), PushT (98%), OGBench-Cube (87%), LeWorldModel on Reacher で高い成功率を達成した。
  論文  参考訳（メタデータ） (2026-09-03T09:11:13Z)
• JEPA-x: Cross-Predictive Physics Grounding for Forecastable Latent Dynamics [9.006010556484968]
  自己予測モデルでは、エンコーダと予測器は共同で最適化され、潜伏遷移に適応することができる。 我々は、特権的物理軌道の潜在ダイナミクスを基盤とするクロス予測型JEPA(JEPA-x)を紹介する。
  論文  参考訳（メタデータ） (2026-08-25T04:07:07Z)
• GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
  ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。 純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。 自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
  論文  参考訳（メタデータ） (2026-08-18T18:21:36Z)
• JEPA-WAM: Learning Vision-Language-Action Policies with Joint-Embedding World Modeling [23.76460420882974]
  我々は,事前訓練されたV-JEPA空間に構築された潜水型WAMであるJEPA-WAMを紹介する。 遅延遷移予測と、共有予測器による連続的なアクション生成を結合する。 LIBERO-Plusでは、JEPA-WAMは79.2%を達成し、大規模なロボット政策の事前訓練を行わない最も良い結果となった。
  論文  参考訳（メタデータ） (2026-08-10T09:57:54Z)
• 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)
• VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
  Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。 まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。 第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
  論文  参考訳（メタデータ） (2026-06-08T09:52:55Z)
• UWM-JEPA: Predictive World Models That Imagine in Belief Space [0.2864713389096699]
  本稿では,JEPAの世界モデルであるUnitary World Model JEPAを紹介した。 この構造はロールアウト中に関節状態スペクトルを正確に保存するため、予測器自体が表現された不確かさを解消することはできない。 JEPAの世界モデルでは、部分的な可観測性、潜伏幾何学、予測力学が重要であり、フリーズされたコンテキストエンコーディング能力だけではありません。
  論文  参考訳（メタデータ） (2026-05-25T00:28:51Z)
• HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
  本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。 我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。 ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-12T09:34:35Z)

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。