Fast-JEPA

Fast-JEPAは、視覚目標に向けて行動を計画する潜在世界モデルの手法。現在の観測画像と目標画像から参照計画を組み立て、候補の最終状態を直接予測して比較する。著者報告では、4つのシミュレーション課題の平均成功率は96.50%。

モデルの説明全文を見る

シミュレーションで目標画像に基づく低遅延の行動列計画に用いる。

論文・レポート (1)

Fast-JEPA:潜在世界モデルの成功率と遅延の限界を広げる

論文あり

Fast-JEPA: Advancing the Success–Latency Frontier for Latent World Models

arXiv: 2611.25927
著者・所属 (7)

著者の順序: 原文順

  1. Yao Zhang

    Wuhan University · Zhongguancun Academy · DeepCybo

  2. Bin Yu

    Harbin Institute of Technology · Zhongguancun Academy

  3. Shijie Lian

    Huazhong University of Science and Technology · Zhongguancun Academy

  4. Haishan Liu

    Nanjing University · Zhongguancun Academy

  5. Changti Wu

    East China Normal University · Zhongguancun Academy

  6. Yu Wucorresponding_author

    Wuhan University

  7. Kai Chencorresponding_author

    Zhongguancun Academy · Zhongguancun Institute of Artificial Intelligence · DeepCybo

初版公開
2026-11-20
最新の論文改訂
v1
会議・学術誌
未提供

対象モデルバージョン

論文 ↗PDF ↗

取得方法と利用条件

学習・ファインチューニングコード

取得方法
非公開

出典確認日 · 2026-11-22

公開情報

出典確認日 · 2026-11-22

導入前の確認事項

論文の結果はシミュレーションに基づく。実装、重み、DynaGoalの評価用ファイルは公開待ち。 重みやコードの公開は、そのままロボットで動作することを意味しません。必要な構成、データ、インターフェースを資料で確認してください。

構造と入出力

モデルの種類
世界シミュレーション
アーキテクチャ
Transformer
バックボーン
ViT-Tiny画像エンコーダー
入力
目標画像 / RGB画像

適用範囲と学習方法

機能分類

タスク計画 / 世界状態の予測

出力

行動 / 推論・計画

予測出力

192次元の潜在状態

学習方式

模倣学習

評価結果

このバージョンまたは選択した重みの検証済み独立評価結果はありません。

公開元の評価 · 報告値・独立再現なし

標準4課題シミュレーション · 標準4課題シミュレーション ↗

計画全体の平均所要時間: 10.88 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

各課題100エピソード、独立に学習した3モデル。ウォームアップ後、バッチサイズ1で計画全体を計測。

Fast-JEPA · 標準4課題シミュレーション · PushT / Reacher / Cube / TwoRoom

公開元の評価 · 報告値・独立再現なし

DynaGoal · 条件変化 ↗

平均成功率: 73.83 %

NVIDIA RTX PRO 6000 Blackwell Server Edition

条件ごとに100ケース、元の課題の3モデルを再利用。実測した計画遅延でシミュレーション内の計画利用時点を決める。

Fast-JEPA · 条件変化 · PushT / Reacher / Cube / TwoRoom

公開元の評価 · 報告値・独立再現なし

DynaGoal · 条件変化 ↗

計画全体の平均所要時間: 13.42 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

条件ごとに100ケース、元の課題の3モデルを再利用。実測した計画遅延でシミュレーション内の計画利用時点を決める。

Fast-JEPA · 条件変化 · PushT / Reacher / Cube / TwoRoom

公開元の評価 · 報告値・独立再現なし

DynaGoal · 実行時間制限 ↗

平均成功率: 87.67 %

NVIDIA RTX PRO 6000 Blackwell Server Edition

条件ごとに100ケース、元の課題の3モデルを再利用。実時間制限には計画時間と行動の実行時間を含む。

Fast-JEPA · 実行時間制限 · PushT / Reacher / Cube / TwoRoom

公開元の評価 · 報告値・独立再現なし

DynaGoal · 実行時間制限 ↗

計画全体の平均所要時間: 13.75 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

条件ごとに100ケース、元の課題の3モデルを再利用。実時間制限には計画時間と行動の実行時間を含む。

Fast-JEPA · 実行時間制限 · PushT / Reacher / Cube / TwoRoom

全パラメータと検証事項(モデルカード)

中間結果の予測から参照行動列を作り、交差エントロピー法(CEM)で候補を洗練する。予測した最終状態と目標画像の潜在表現の距離で候補を評価し、選んだ行動列の冒頭を実行して再計画する。

論文表1の4課題(PushT、Reacher、Cube、TwoRoom)の平均成功率は96.50%(標準偏差0.66ポイント)、計画全体の平均所要時間は10.88±0.04 ms。著者が同じ設定で測定したINTACTは26.19±0.22 msで、所要時間の比は約2.41倍。各課題100エピソード、独立に学習した3モデルを用い、NVIDIA RTX PRO 6000 Blackwell Server Editionでウォームアップ後にバッチサイズ1で測定した。

DynaGoalは目標や形状が変わるShift、実行時間を制限するDeadline、応答遅延を加えるDelayを評価する。専用の追加学習なしで平均成功率はShiftが73.83%、Deadlineが87.67%。

情報源または訂正を送信