論文の概要: World Model Interpretability: From Decoding Representations to Understanding Latent Worlds

• arxiv url: http://arxiv.org/abs/2610.25296v1
• Date: Sun, 18 Oct 2026 14:29:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 22:20:20.222211
• Title: World Model Interpretability: From Decoding Representations to Understanding Latent Worlds
• Title（参考訳）: World Model Interpretability: Decoding Representations から Latent Worlds へ
• Abstract要約: JEPAの潜伏変数が予測とアクションのために内部状態になるにつれて、解釈可能性は、エンコードしたものを超えて、潜伏変数の相互作用方法に移行する必要がある、と私たちは主張する。 このパースペクティブは、非コーディング表現から、潜在世界への理解、検証、行動へと注意を移す、より広範な潜在世界解釈可能性アジェンダを提唱することを目的としている。
• 参考スコア（独自算出の注目度）: 68.41122056455514
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Emerging Joint-Embedding Predictive Architectures (JEPAs) are moving beyond representation learning towards latent world models that support prediction, planning, and control. Yet their latent worlds naturally lack a human-interpretable interface. In this Perspective, we argue that as JEPA latents become internal states for prediction and action, interpretability must move beyond what they encode to how latent variables interact, evolve, and causally drive prediction. To this end, we envision a four-stage research agenda, involving Ground, Structure, Verify, and Act, to guide this shift toward actionable latent-world understanding. Within our framework, existing JEPA interpretability efforts provide early evidence for Ground, while systematic analysis of latent structure, causal verification, and intervention remains largely unexplored. Overall, this Perspective aims to call for a broader latent-world interpretability agenda that shifts attention from decoding representations toward understanding, validating, and acting on latent worlds.
• Abstract（参考訳）: JEPA(Emerging Joint-Embedding Predictive Architectures)は、予測、計画、制御をサポートする潜在世界モデルへと、表現学習を超えて移行している。 しかし、彼らの潜伏する世界は、自然に人間の解釈可能なインターフェースを欠いている。 このパースペクティブでは、JEPA潜伏変数が予測とアクションのために内部状態になるにつれて、解釈可能性は、エンコードしたものを超えて、潜伏変数がどのように相互作用し、進化し、因果的に予測を駆動するかを議論する。 この目的のために、我々は地上、構造、検証、および行為を含む4段階の研究課題を構想し、この変化を行動可能な潜在世界理解へと導く。 フレームワーク内では,既存のJEPA解釈可能性の取り組みが早期に証拠となる一方で,潜伏構造,因果検証,介入の体系的分析は未解明のままである。 全体として、このパースペクティブは、非コーディング表現から潜在世界への理解、検証、行動へと注目を移す、より広範な潜在世界の解釈可能性のアジェンダを求めることを目的としている。

関連論文リスト

• Abductive World Modeling via Causal Representation Learning [13.457675847750087]
  本稿では、予測された未来から潜在原因を誘導的に推測することで、構造的因果表現を学習するフレームワークであるAWMを提案する。 AWMは、世界力学の構造的表現を学習するための潜在空間世界モデリングに帰納的状態推論を導入する最初のフレームワークである。 最先端の潜在宇宙モデルであるV-JEPAと比較して、AWMは物理予測のAUROCを10.7%改善し、因果推論の精度は16.8%向上し、Top-1の精度は68.0%向上した。
  論文  参考訳（メタデータ） (2026-09-29T08:18:27Z)
• Towards Predictive, Aligned, and Scalable Robot Learning [11.830982964522605]
  本稿では、潜在空間における世界ダイナミクスを推論して行動を生成する潜在世界行動モデルであるLumo-2を紹介する。 我々は、潜在世界モデリングとモダリティアライメントについて研究し、スケーリング法則とアウト・オブ・ディストリビューションの一般化におけるそれらの役割を分析した。 その結果,Lumo-2は強い視覚言語モデル(VLA)と世界行動モデル(WAM)のベースラインを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-07-13T08:53:34Z)
• GeoSem-WAM: Geometry- and Semantic-Aware World Action Models [13.18627268862803]
  本稿では,幾何学的・意味的監督を通じて潜在表現を強化する構造化世界モデリングフレームワークを提案する。 提案手法は,テスト時の映像生成や自動ロールアウトを回避し,効率的な推論を行う。
  論文  参考訳（メタデータ） (2026-06-02T05:48:02Z)
• 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)
• Research on World Models Is Not Merely Injecting World Knowledge into Specific Tasks [43.59401259468559]
  我々は、ロバストな世界モデルは、能力の緩やかな集まりではなく、相互作用、知覚、象徴的推論、空間的表現を一体的に組み込んだ規範的な枠組みであるべきだと主張する。 この研究は、未来の研究を世界のより一般的で堅牢で原則化されたモデルへと導くことを目的としている。
  論文  参考訳（メタデータ） (2026-02-02T04:42:44Z)
• From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models [66.36007274540113]
  MLLM(Multimodal Large Language Models)は、物理的世界に対する深い人間的な理解と相互作用を達成するための試みである。 情報取得(知覚)や推論(認知)を行う際、しばしば浅く不整合な統合を示す。 この調査では、新しい統合分析フレームワーク「知覚から認知へ」を紹介した。
  論文  参考訳（メタデータ） (2025-09-29T18:25:40Z)
• DreamVLA: A Vision-Language-Action Model Dreamed with Comprehensive World Knowledge [41.030494146004806]
  本稿では,逆動力学モデリングを実現するために,包括的世界知識予測を統合した新しいVLAフレームワークであるDreamVLAを提案する。 DreamVLAは、動的領域誘導の世界知識予測を導入し、空間的および意味的な手がかりと統合し、アクション計画のためのコンパクトで包括的な表現を提供する。 実世界とシミュレーション環境での実験では、ドリームVLAが実際のロボットタスクで76.7%の成功率を達成したことが示されている。
  論文  参考訳（メタデータ） (2025-07-06T16:14:29Z)

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。