DeepJEPA：内部計算を適応的に配分する世界モデルプランナー

- 視覚制御のための world model ベースの planner である DeepJEPA を提案する研究。 - 各 imagined transition に同じ計算量を割り当てる従来の scaling ではなく、transition の深さを test-time scaling の軸として扱う。 - weight-tied な joint-embedding predictive world model を用い、各 candidate と rollout step ごとに追加の recurrent update を計算すべきかを学習する。 - 5 つの visual-control 設定で評価し、平均 1.00–1.26 updates/transition で固定深さの最強 planner と同等以上を達成。

- 従来の world-model planner は rollout を長くする、trajectory を多くサンプルする、最適化を長くするなど外向きに scaling し、全 transition に同一計算を割り当てていた。 - 本手法は transition 深さを内向きの test-time scaling 軸とし、decision-critical な事象に計算を集中させる点が異なる。 - 一様に深くすることが計算の無駄や planning の劣化を招きうることを示し、必要な箇所だけ深く考える枠組みを提示。 - 平均 update 数が 1.00–1.26 と少ないながら、固定深さの最強 planner を上回るか同等である点が成果。

- weight-tied な joint-embedding predictive world model を採用し、recurrent update の深さを可変にする。 - 各 candidate と rollout step について、もう一度 recurrent update を計算する価値があるかを学習する仕組みを持つ。 - 追加計算は contact onset や持続的な object interaction に集中し、latent correction が planner の elite set に入る candidate や選択 action を変えうる箇所で深くなる。 - 具体的な学習目的・アーキテクチャ詳細は要旨からは不明。

- 5 つの visual-control 設定で評価。 - 最強の fixed-depth planner と比較し、改善または同等の性能を示した。 - 平均 updates/transition は 1.00–1.26 に抑えられた。 - representation probe により、planning 改善は object-state decodability の一様な向上を必ずしも必要としないことを示した。

- すべての transition を一様に深くする scaling は計算を浪費し、planning を劣化させうると議論。 - 有用な refinement は decision-critical な少数の事象に集中するため、内部計算を意思決定を変えうる箇所に配分すべきと主張。 - planning 改善が object-state decodability の一様な改善を伴わない点も議論。 - 限界や失敗ケース、計算コストの詳細な分析は要旨からは不明。

- 要旨で参照・比較されている具体的な先行研究名は明示されていない。 - 関連手法として world model ベースの planner、joint-embedding predictive architecture (JEPA)、test-time scaling、recurrent weight-tied model が挙げられる。 - 同分野の定番として Dreamer 系の world model、Model-Predictive Control (MPC)、visual-control ベンチマーク (例: DeepMind Control Suite) が次に読む候補となる。