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arXiv:2610.00727

CF-JEPA: 可制御性の因子分解によるJEPA世界モデルのロバスト性向上

CF-JEPA: Improving Robustness of JEPA World Models via Controllability Factorization

シェア:XThreadsFacebookLINEはてブBluesky

JEPA型世界モデルの潜在空間を制御可能・不可能な部分空間に分離し、背景の妨害情報に頑健なモデルを実現した研究。

詳しい要約

1. どんなもの?

- 視覚ベースのエージェント制御のためのJEPAスタイルの潜在ワールドモデル。 - 潜在空間を制御可能な部分と制御不可能な部分に分割するControllability Factorized JEPA (CF-JEPA)を提案。 - 制御に関連する情報のみをタスクに利用し、妨害情報は制御不可能領域に集約。 - 2Dおよび3D制御タスクで評価し、妨害条件下での性能向上と潜在崩壊の回避を実証。 - シミュレーションロボットタスクでも妨害条件下での有効性を検証。

2. 先行研究と比べてどこがすごい?

- 従来のJEPAスタイル潜在ワールドモデルは妨害信号に敏感で潜在崩壊が生じる問題があった。 - CF-JEPAは潜在空間を制御可能性で因子分解することで、妨害情報を制御不可能領域に隔離。 - 名目条件下では従来手法と同等の性能を維持しつつ、妨害条件下では唯一潜在崩壊せず性能が向上。 - ピクセル再構成を行わないJEPAの利点を活かしつつ、ロバスト性を大幅に改善。

3. 技術・手法の肝は?

- JEPAスタイルの潜在ワールドモデルを基盤とし、潜在空間を制御可能部分と制御不可能部分に分割。 - 制御可能部分はタスクに関連する情報を保持し、制御不可能部分は妨害情報を捕捉。 - この因子分解により、妨害信号が制御関連の潜在表現に影響を与えるのを防ぐ。 - 具体的な損失関数やアーキテクチャの詳細は要旨からは不明。

4. どうやって有効だと検証した?

- 2Dおよび3D制御タスクにおいて、名目条件下と妨害条件下で評価。 - 名目条件下では従来手法と同等の性能を確認。 - 妨害条件下ではCF-JEPAが唯一潜在崩壊せず、性能が向上することを示した。 - さらに、シミュレーションロボットタスクの妨害条件下でも有効性を検証。

5. 議論はある?

- 妨害条件下での潜在崩壊回避と性能向上が主要な成果。 - 制御可能性因子分解の有効性を2D/3D制御とロボットタスクで実証。 - 限界や今後の課題、計算コスト、実世界への適用可能性については要旨からは不明。

6. 次に読むべき論文は?

- JEPA (Joint Embedding Predictive Architecture) の原論文。 - 視覚ベースのモデルベース強化学習における妨害信号ロバスト性に関する研究。 - 潜在空間の因子分解や制御可能性に着目したワールドモデル研究。 - 具体的な参照論文は要旨に明記されていないため、上記の関連分野が次の読むべき候補。

※ 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: Morgan Byrd, Robert Wright, Sehoon Ha

分類: cs.RO, cs.LG

原文アブストラクト

Controlling an agent with vision requires being able to separate useful information from irrelevant background information. JEPA-style latent world models seem like a natural approach for this, as they do not perform pixel-level reconstruction; however, they are still sensitive to these distractor signals and experience latent collapse. In this work, we introduce Controllability Factorized JEPA (CF-JEPA), a JEPA-style world model which splits the latent space into controllable and uncontrollable subspaces. This factorization allows us to capture all the distractor information into the uncontrollable region, while we use the control-relevant latent information for our task. With this, we show comparable performance across 2D and 3D control tasks under nominal conditions and improved performance under distracted conditions, where CF-JEPA is the only model that does not experience latent collapse. We also validate our model under distracted conditions for a simulated robot task, highlighting the practical application of such a scheme.

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. 2GXO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
  3. 3newmo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
  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI