日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

世界モデル/計画arXiv:2606.32026

AdaJEPA: 適応的潜在世界モデル

AdaJEPA: An Adaptive Latent World Model

シェア:XThreadsFacebookLINEはてブBluesky

テスト時に世界モデルを適応させることで、分布シフト下での計画失敗を防ぐ手法を提案。MPCの閉ループ内で自己教師あり適応を行い、少数の勾配ステップで性能を大幅に改善する。

詳しい要約

1. どんなもの?

- 高次元観測から潜在空間で将来状態を予測する latent world model を、テスト時にも適応させる AdaJEPA を提案。 - 学習後もモデルを凍結せず、MPC の閉ループ内で自己教師あり適応を継続。 - 最初の action chunk を計画・実行し、観測された次状態遷移を適応信号としてモデルを更新後、再計画。 - 専門家デモなしで世界モデルを再校正し、goal-reaching タスクの計画成功率を改善。

2. 先行研究と比べてどこがすごい?

- 従来の latent world model はテスト時に凍結され、予測が不正確になると計画が失敗しやすい。 - 特に test-time distribution shift 下で問題が顕著。 - AdaJEPA は MPC の閉ループ内でテスト時適応を行い、追加の専門家デモなしに世界モデルを継続的に再校正。 - 1回の MPC 再計画ステップあたりわずか1勾配ステップで計画成功率を大幅改善。

3. 技術・手法の肝は?

- 学習済み latent world model を用いて MPC で計画。 - 最初の action chunk を実行し、観測された next-state transition を自己教師あり適応信号として利用。 - 更新されたモデルで再計画する閉ループを構成。 - これによりテスト時分布シフト下でも世界モデルを継続的に再校正。

4. どうやって有効だと検証した?

- 複数の goal-reaching タスクで評価。 - MPC 再計画ステップあたり1勾配ステップという少ない更新で、計画成功率が大幅に向上することを確認。 - 詳細なベースラインやデータセットは要旨からは不明。

5. 議論はある?

- テスト時分布シフト下での計画失敗を、閉ループ内適応で緩和できる点を主張。 - 追加の専門家デモが不要で、1勾配ステップという低コスト更新で有効性を示す。 - 限界や失敗ケース、計算コストの詳細な議論は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法として latent world model、model predictive control (MPC)、test-time adaptation、self-supervised adaptation の文献を挙げる。 - 具体的な論文名は要旨からは不明。

※ 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: Ying Wang, Oumayma Bounou, Yann LeCun, Mengye Ren

分類: cs.LG, cs.AI

原文アブストラクト

Latent world models enable planning from high-dimensional observations by predicting future states in a compact latent space. However, these models are typically kept frozen at test time: when their predictions become inaccurate, planning can fail, especially under test-time distribution shift. To address this, we propose AdaJEPA, an adaptive latent world model that performs test-time adaptation within the closed loop of model predictive control (MPC). After training, AdaJEPA plans and executes the first action chunk, uses the observed next-state transition as a self-supervised adaptation signal, and replans with the updated model. This closed-loop update continuously recalibrates the world model without additional expert demonstrations. Across a range of goal-reaching tasks, AdaJEPA substantially improves planning success with as few as one gradient step per MPC replanning step.

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