Fast-JEPA

Fast-JEPA는 시각적 목표를 위한 잠재 세계 모델 계획 방법이다. 현재 관측 이미지와 목표 이미지로 참조 계획을 만들고, 후보 행동 시퀀스의 최종 상태를 직접 예측해 비교한다. 저자가 보고한 네 가지 시뮬레이션 과제의 평균 성공률은 96.50%다.

전체 모델 설명 보기

시뮬레이션에서 목표 이미지 기반 저지연 행동 시퀀스 계획에 사용한다.

논문 및 보고서 (1)

Fast-JEPA: 잠재 세계 모델의 성공률과 지연 시간 경계 개선

논문 있음

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

arXiv: 2611.25927
저자 및 소속 (7)

저자 순서: 원문 순서

  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

최초 공개
2026-11-20
최신 논문 개정
v1
학회 / 학술지
미제공

관련 모델 버전

논문 ↗PDF ↗

접근 및 사용 방법

학습 / 미세 조정 코드

접근 방법
비공개

출처확인 날짜 · 2026-11-22

출시 정보

출처확인 날짜 · 2026-11-22

배포 전 확인 사항

논문 결과는 시뮬레이션에서 얻었다. 구현 코드, 가중치 및 DynaGoal 평가 파일은 공개 대기 중이다. 가중치나 코드가 공개되어도 로봇에서 즉시 실행할 수 있다는 의미는 아닙니다. 문서에서 구성, 데이터 및 인터페이스 요구 사항을 확인하세요.

구조 및 입출력

모델 유형
월드 시뮬레이션
아키텍처
Transformer
백본
ViT-Tiny 이미지 인코더
입력
목표 이미지 / RGB 이미지

적용 범위 및 학습 방식

기능 분류

과제 계획 / 세계 상태 예측

출력

행동 / 추론·계획

예측 출력

192차원 잠재 상태

학습 방식

모방 학습

평가 결과

현재 버전 또는 선택한 가중치의 검증된 독립 평가 결과가 없습니다.

발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨

기본 4개 과제 시뮬레이션 · 기본 4개 과제 시뮬레이션 ↗

평균 성공률: 96.5 %

NVIDIA RTX PRO 6000 Blackwell Server Edition

과제당 100개 에피소드, 독립 학습 모델 3개. 워밍업 후 배치 크기 1로 전체 계획 시간 측정.

Fast-JEPA · 기본 4개 과제 시뮬레이션 · PushT / Reacher / Cube / TwoRoom

발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨

기본 4개 과제 시뮬레이션 · 기본 4개 과제 시뮬레이션 ↗

전체 평균 계획 지연 시간: 10.88 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

과제당 100개 에피소드, 독립 학습 모델 3개. 워밍업 후 배치 크기 1로 전체 계획 시간 측정.

Fast-JEPA · 기본 4개 과제 시뮬레이션 · PushT / Reacher / Cube / TwoRoom

발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨

DynaGoal · 조건 변화 ↗

평균 성공률: 73.83 %

NVIDIA RTX PRO 6000 Blackwell Server Edition

조건당 100개 사례, 원래 과제용 모델 3개 재사용. 측정한 계획 지연으로 시뮬레이션 내 계획 사용 가능 시점을 정한다.

Fast-JEPA · 조건 변화 · PushT / Reacher / Cube / TwoRoom

발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨

DynaGoal · 조건 변화 ↗

전체 평균 계획 지연 시간: 13.42 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

조건당 100개 사례, 원래 과제용 모델 3개 재사용. 측정한 계획 지연으로 시뮬레이션 내 계획 사용 가능 시점을 정한다.

Fast-JEPA · 조건 변화 · PushT / Reacher / Cube / TwoRoom

발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨

DynaGoal · 실행 시간 제한 ↗

평균 성공률: 87.67 %

NVIDIA RTX PRO 6000 Blackwell Server Edition

조건당 100개 사례, 원래 과제용 모델 3개 재사용. 실제 계획 시간과 행동 실행 시간이 모두 제한에 포함된다.

Fast-JEPA · 실행 시간 제한 · PushT / Reacher / Cube / TwoRoom

발표 기관 평가 · 보고된 결과 · 독립 재현 안 됨

DynaGoal · 실행 시간 제한 ↗

전체 평균 계획 지연 시간: 13.75 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

조건당 100개 사례, 원래 과제용 모델 3개 재사용. 실제 계획 시간과 행동 실행 시간이 모두 제한에 포함된다.

Fast-JEPA · 실행 시간 제한 · PushT / Reacher / Cube / TwoRoom

전체 매개변수 및 검증 설명 (모델 카드)

중간 결과 예측으로 참조 행동 시퀀스를 만든 뒤 교차 엔트로피 방법(CEM)으로 후보를 다듬는다. 예측된 최종 잠재 상태와 목표 이미지 간 거리를 기준으로 후보를 평가하며, 선택한 행동의 앞부분을 실행한 후 다시 계획한다.

논문 표 1의 PushT, Reacher, Cube, TwoRoom 평균 성공률은 96.50%(표준편차 0.66%p), 전체 계획 시간은 평균 10.88±0.04 ms다. 같은 조건에서 측정한 INTACT는 26.19±0.22 ms로 시간 비율은 약 2.41배다. 과제당 100개 에피소드와 독립 학습 모델 3개를 사용하고 NVIDIA RTX PRO 6000 Blackwell Server Edition에서 워밍업 후 배치 크기 1로 측정했다.

DynaGoal은 목표나 지형 변화(Shift), 실행 시간 제한(Deadline), 통제된 응답 지연(Delay)을 평가한다. 별도의 미세조정 없이 평균 성공률은 Shift 73.83%, Deadline 87.67%였다.

출처 또는 수정 제안 보내기