日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ワールドモデルarXiv:2510.27002

Jasmine: シンプルで高性能・スケーラブルなJAXベースのワールドモデリングコードベース

Jasmine: A Simple, Performant and Scalable JAX-based World Modeling Codebase

シェア:XThreadsFacebookLINEはてブBluesky

JAXを用いた高性能なワールドモデル学習基盤を提案し、単一ホストから数百アクセラレータまでスケール可能で、CoinRun事例を従来より桁違いに高速に再現できることを示した。

詳しい要約

1. どんなもの?

- JAX ベースの world modeling 用オープンソースコードベース「Jasmine」 - 単一ホストから数百アクセラレータまで最小限のコード変更でスケール - 再現可能な学習と多様な sharding 構成を保証 - 大規模データセットと組み合わせた厳密なベンチマーク基盤を提供

2. 先行研究と比べてどこがすごい?

- 従来のオープン実装と比較して CoinRun ケーススタディの再現を桁違いに高速化 - data loading、training、checkpointing にわたる性能最適化が寄与 - world modeling のオープンな学習インフラが未成熟な中で、スケーラブルな基盤を提供 - 単一ホストから数百アクセラレータまでの拡張性を最小限の変更で実現

3. 技術・手法の肝は?

- JAX を基盤とした world modeling コードベース - data loading、training、checkpointing の各段階での性能最適化 - 完全な再現性を保証する学習機構 - 多様な sharding 構成への対応 - モデルファミリーやアーキテクチャの ablation を横断するベンチマークパイプライン

4. どうやって有効だと検証した?

- CoinRun ケーススタディの再現を通じて有効性を検証 - 従来のオープン実装と比較して桁違いの高速化を確認 - 大規模データセットと組み合わせたベンチマーク基盤を構築 - 詳細な定量結果は要旨からは不明

5. 議論はある?

- 要旨からは不明 - 性能最適化の具体的なボトルネックや限界については言及なし - 再現性保証の範囲や sharding 構成の詳細は要旨からは不明

6. 次に読むべき論文は?

- CoinRun ケーススタディの元論文 - JAX を用いた分散学習・sharding に関する研究 - world model の代表的モデルファミリー(例: Dreamer 系、model-based RL 手法) - 大規模データセットを用いた world modeling ベンチマーク研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mihir Mahajan, Alfred Nguyen, Franz Srambical, Stefan Bauer

分類: cs.LG, cs.AI

原文アブストラクト

While world models are increasingly positioned as a pathway to overcoming data scarcity in domains such as robotics, open training infrastructure for world modeling remains nascent. We introduce Jasmine, a performant JAX-based world modeling codebase that scales from single hosts to hundreds of accelerators with minimal code changes. Jasmine achieves an order-of-magnitude faster reproduction of the CoinRun case study compared to prior open implementations, enabled by performance optimizations across data loading, training and checkpointing. The codebase guarantees fully reproducible training and supports diverse sharding configurations. By pairing Jasmine with curated large-scale datasets, we establish infrastructure for rigorous benchmarking pipelines across model families and architectural ablations.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI