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:2610.05409

BeliefGraph-JEPA:行動条件付き時系列のための構造化潜在世界モデル

BeliefGraph-JEPA: Structured Latent World Models for Action-Conditioned Time Series

シェア:XThreadsFacebookLINEはてブBluesky

将来の行動や外生要因が複数の対象に異なる遅延・持続性で影響する時系列予測のため、影響を型付き潜在状態に分解しグラフで対象へ伝える構造化世界モデルを提案。臨床・農業・環境・産業の4システムで既存手法を上回った。

詳しい要約

1. どんなもの?

- アクション条件付き時系列予測のための構造化潜在世界モデル。 - 未来のアクションや外生要因が複数ターゲットに与える影響を、部分的に観測される効果(遅延や持続性が異なる)を考慮して予測する。 - ドライバー影響を型付き潜在効果状態に分解し、グラフを介してターゲット固有ノードにルーティングする。 - 予測ベースはjoint-embedding predictive architecture (JEPA) に基づく。 - 容量制御された残差が直接ドライバー情報を補完する。

2. 先行研究と比べてどこがすごい?

- 直接条件付けでは効果の進化とターゲット固有影響が予測器内で暗黙的になる問題を解決。 - 静的な関係グラフは進化する効果を追跡できないが、本手法は構造化潜在状態で動的に表現。 - 4つのマルチターゲットシステム(臨床、農業、環境、産業)で、事前学習済みおよび教師ありのknown-future-covariateベースラインを上回る性能。 - 一致制御実験により、潜在ダイナミクス、未来ロールアウト、グラフルーティング、残差容量の各要素の寄与を分離。

3. 技術・手法の肝は?

- ドライバー影響を型付き潜在効果状態に因子分解する構造化潜在世界モデル。 - これらの状態を未来のドライバー下でロールフォワードし、グラフを介してターゲット固有ノードにルーティング。 - ルーティングされた情報がjoint-embedding predictive architecture (JEPA) の予測ベースを形成。 - 容量制御された残差が直接ドライバー情報を補足。 - 未来ロールアウトとグラフファースト残差ルーティングが予測精度を向上させる。

4. どうやって有効だと検証した?

- 4つのマルチターゲットシステム(臨床、農業、環境、産業)で評価。 - 事前学習済みおよび教師ありのknown-future-covariateベースラインと比較し、優位性を確認。 - 一致制御実験により、潜在ダイナミクス、未来ロールアウト、グラフルーティング、残差容量の各コンポーネントの効果を検証。 - 未来ロールアウトとグラフファースト残差ルーティングが全4システムで予測を改善することを示した。

5. 議論はある?

- 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:known-future-covariateベースライン、joint-embedding predictive architecture (JEPA)、静的な関係グラフを用いる手法。 - 関連手法として、action-conditioned time-series forecasting、structured latent world models、graph neural networks (GNNs) が挙げられる。

※ 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: Yue Li, Kangqi Ni, Zhen Tan, Tianlong Chen

分類: cs.LG, cs.AI

原文アブストラクト

Action-conditioned time-series forecasting requires accounting for how future actions and exogenous forcings influence multiple targets through partially observed effects with different delays and persistence. Direct conditioning leaves the evolution and target-specific influence of these effects implicit in the predictor, while static relational graphs specify connections without tracking evolving effects. This motivates representing future-driver influence through structured latent states that evolve over the forecast horizon and route information to individual targets. We introduce BeliefGraph-JEPA, a structured latent world model that factorizes driver influence into typed latent-effect states. These states are rolled forward under future drivers and routed through a graph to target-specific nodes, forming the predictive base of a joint-embedding predictive architecture. A capacity-controlled residual supplements this base with direct driver information. On four multi-target clinical, agricultural, environmental, and industrial systems, the framework outperforms a range of pretrained and supervised known-future-covariate baselines. Matched controls isolate latent dynamics, future rollout, graph routing, and residual capacity; future rollout and graph-first residual routing improve forecasting across all four systems.

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