論文の概要: Exploring Temporal Context-Aware Physical Grounding in Latent World Models
- arxiv url: http://arxiv.org/abs/2610.28483v1
- Date: Tue, 20 Oct 2026 16:30:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.920817
- Title: Exploring Temporal Context-Aware Physical Grounding in Latent World Models
- Title（参考訳）: 潜在世界モデルにおける時間的文脈を考慮した物理グラウンドの探索
- Abstract要約: $mathcalG$-JEPAは、潜在世界モデルの物理的グラウンドに時間的コンテキストを組み込む。
$mathcalG$-JEPAは、学習したモデルを事前誘導されたアクションプランニングと結合する。
実験では、操作タスクの計画性能が改善された。
- 参考スコア（独自算出の注目度）: 22.96783870991273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning latent dynamics is fundamental to building action-conditioned world models for planning. Among existing families, Joint Embedding Predictive Architectures (JEPAs) offer a natural framework by modeling transitions directly in latent space rather than at the pixel level. However, two issues remain in JEPA-based world models: (i) physical grounding lacks explicit aggregation of temporal context and (ii) action planning always overly relies on generic sampling distributions. To this end, we propose $\mathcal{G}$-JEPA, which incorporates temporal context into physical grounding for latent world models and couples the learned models with prior-guided action planning. Specifically, during learning, we incorporate a shared causal temporal module that aggregates temporal context within observation and prediction sequences under physical state supervision, grounding both in task-relevant physical states. When planning, we further introduce action inference through stepwise conditioning of a generative action distribution on the current and goal latent representations together with their evolving discrepancy, yielding anchored proposals that guide model-based online refinement. Together, physical state supervision guides temporal representation learning, while the action prior guides search through the learned world model. Experiments demonstrate improved planning performance on manipulation tasks, including tasks with increasing temporal separation between initial and goal observations. Code is publicly available at https://github.com/myl11045/G-JEPA.
- Abstract（参考訳）: 潜在ダイナミクスの学習は、計画のための行動条件付き世界モデルを構築するのに不可欠である。
既存のファミリーの中で、JEPA(Joint Embedding Predictive Architectures)は、ピクセルレベルではなく、遅延空間で遷移を直接モデル化することによって、自然なフレームワークを提供する。
しかし、JEPAベースの世界モデルには2つの問題が残っている。
一 物理的基盤には時間的文脈の明示的な集合が欠如していること
(ii) アクションプランニングは常にジェネリックサンプリング分布に依存している。
この目的のために, 時間的文脈を潜在世界モデルのための物理的基盤に組み込んだ$\mathcal{G}$-JEPAを提案し, 学習モデルと事前誘導行動計画とを結合する。
具体的には、学習中に、物理的状態監督下での観察および予測シーケンス内の時間的文脈を集約する共通因果時間モジュールを組み込み、タスク関連物理的状態の両方を基盤とする。
計画にあたっては,現在および目標の潜在表現に対する生成行動分布の段階的条件付けと,その発展する相違点を併せ持つことで,モデルに基づくオンラインリファインメントを導出するアンカードプロポーザルを更に導入する。
物理的状態監視は、時間的表現学習をガイドし、アクションは学習された世界モデルを通して探索をガイドする。
実験では、初期観測と目標観測の時間的分離を増大させるタスクを含む、操作タスクの計画性能の改善が示されている。
コードはhttps://github.com/myl11045/G-JEPAで公開されている。
関連論文リスト
- World Model Interpretability: From Decoding Representations to Understanding Latent Worlds [68.41122056455514]
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。
論文 参考訳（メタデータ） (2026-10-18T14:29:13Z) - 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) - Reduced-Order Models: The Mother of World Models [0.12062777974093623]
世界モデルは、行動条件付き予測と計画をサポートする環境の潜在表現を圧縮する。
本稿では,世界モデルの機能解剖が数十年前に独立に開発され,展開され,分析されたことを論じる。
我々は、失敗できないシステムに世界モデルをデプロイする際の際立った障害は、予測の忠実さではなく、検証可能性であると主張している。
論文 参考訳（メタデータ） (2026-07-03T11:05:06Z) - World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。
彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。
成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
論文 参考訳（メタデータ） (2026-05-12T13:10:52Z) - Value-guided action planning with JEPA world models [44.84158001773079]
環境を推論できるディープラーニングモデルを構築するには、その基盤となるダイナミクスをキャプチャする必要がある。
JEPA(Joint-Embeded Predictive Architectures)は、そのようなダイナミクスをモデル化するための有望なフレームワークを提供する。
本稿では,JEPAワールドモデルを用いて,表現空間を形作ることで計画を強化する手法を提案する。
論文 参考訳（メタデータ） (2025-12-28T20:17:49Z) - From Forecasting to Planning: Policy World Model for Collaborative State-Action Prediction [57.56072009935036]
政策世界モデル(PWM)と呼ばれる新しい運転パラダイムを導入する。
PWMは、統一アーキテクチャ内での世界モデリングと軌道計画を統合する。
提案手法は,マルチビューおよびマルチモーダル入力に依存する最先端の手法に適合するか,あるいは超越する。
論文 参考訳（メタデータ） (2025-10-22T14:57:51Z) - ExoPredicator: Learning Abstract Models of Dynamic Worlds for Robot Planning [77.49815848173613]
本研究では,内因性行動とメカニズムの両方について,シンボル的状態表現と因果過程を共同で学習する抽象世界モデルのためのフレームワークを提案する。
シミュレーションされた5つのテーブルトップロボット環境の中で、学習されたモデルは、より多くのオブジェクトとより複雑な目標を持つ保留タスクに一般化した高速な計画を可能にし、幅広いベースラインを上回ります。
論文 参考訳（メタデータ） (2025-09-30T13:44:34Z) - Joint Embeddings Go Temporal [5.2741154046624255]
JEPA(Joint Emmbedding Predictive Architectures)は、潜在分野における自己教師型学習の実現を目的として導入されたアーキテクチャである。
時系列JEPA (TS-JEPA) は、時系列表現学習に特化したアーキテクチャである。
TS-JEPAは、異なる標準データセット上で、現在の最先端のベースラインに適合または超えることができることを示す。
論文 参考訳（メタデータ） (2025-09-29T19:57:37Z)
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。