JEPA4Japan · チュートリアル
JA

付録F — 用語集

2,149文字 7分で読めます #LeWorldModel#World Models#JEPA

表現崩壊、潜在状態、ロールアウト、到達可能性、同定可能性などを、正式定義、一文説明、生活上の比喩、よくある誤解の4層で説明します。

コース進捗 コース目次 48レッスン中 48件を公開中

第0部　読み方ガイド：私たちは何を学ぶのか

  1. 01 第0章 — はじめる前に 公開中

第1部　世界モデル：エージェントの頭の中にある実験場

  1. 02 第1章 — なぜエージェントには「未来を想像する」力が必要なのか 公開中
  2. 03 第2章 — なぜ次の画像をそのまま予測しないのか 公開中
  3. 04 第3章 — JEPAの発想：画面の複製ではなく意味を予測する 公開中
  4. 05 第4章 — 1枚の図でLeWMを理解する 公開中

第2部　画面を状態に変える：LeWMのモデル構造

  1. 06 第5章 — 軌跡データ：モデルにとって世界は画像集ではない 公開中
  2. 07 第6章 — 視覚エンコーダー：各フレームに「状態パスポート」を発行する 公開中
  3. 08 第7章 — 動力学予測器：頭の中で時間を前へ進める 公開中
  4. 09 第8章 — 完全な順伝播：1バッチを最初から最後まで追う 公開中

第3部　モデルの抜け道を防ぐ：予測損失とSIGReg

  1. 10 第9章 — 最も危険な近道：表現崩壊 公開中
  2. 11 第10章 — 予測損失：モデルはどのように次の一歩を学ぶのか 公開中
  3. 12 第11章 — SIGRegの直感：表現空間に「呼吸」をさせる 公開中
  4. 13 第12章 — 必要最小限の数学 公開中
  5. 14 第13章 — オリジナルLeWMのエンドツーエンド学習の仕組み 公開中
  6. 15 第14章 — すぐに表現崩壊しないモデルを訓練する 公開中

第4部　モデルを行動に使う：潜在空間での計画

  1. 16 第15章 — 目標条件付き計画：「今いる場所」から「行きたい場所」へ 公開中
  2. 17 第16章 — 潜在ユークリッド距離：便利だが、常に信頼できるとは限らない 公開中
  3. 18 第17章 — CEM：勝ち抜き方式で行動を探索する 公開中
  4. 19 第18章 — MPC：モデルを一度に長く信じすぎない 公開中
  5. 20 第19章 — 長期ロールアウト：小さな誤差が大事故へ育つまで 公開中
  6. 21 第20章 — 最小のLeWMプランナーをゼロから実装する 公開中

第5部　エンジニアリング再現：論文から動くシステムへ

  1. 22 第21章 — 公式リポジトリと実験環境 公開中
  2. 23 第22章 — 最初の実験：TwoRoomのスモークテスト 公開中
  3. 24 第23章 — 2つ目の実験：PushTを再現する 公開中
  4. 25 第24章 — 世界モデルを公平に評価する方法 公開中
  5. 26 第25章 — 失敗診断マニュアル 公開中

第6部　LeWMは何を学んだのか

  1. 27 第26章 — 線形プローブ：潜在状態にはどの物理量が含まれるのか 公開中
  2. 28 第27章 — 潜在空間を「健康診断」する 公開中
  3. 29 第28章 — 期待違反：モデルは「あり得ない出来事」に驚くのか 公開中
  4. 30 第29章 — 「世界を理解する」を厳密に語るには 公開中

第7部　「予測が正確」でも「計画がうまくいかない」のはなぜか

  1. 31 第30章 — 訓練目的と計画目的のあいだにある亀裂 公開中
  2. 32 第31章 — 大域的には表現崩壊していなくても、タスクに必要な動力学が保たれるとは限らない 公開中
  3. 33 第32章 — 等方ガウス事前分布はいつ強すぎるのか 公開中
  4. 34 第33章 — 長期計画：より遠くを予測するか、より賢く計画するか 公開中
  5. 35 第34章 — 位置の距離からタスクの進捗へ 公開中
  6. 36 第35章 — マルチタスク、実ロボット、視覚的外乱 公開中
  7. 37 第36章 — 理論的な境界：真の状態はいつ同定できるのか 公開中

第8部　再現者から研究者へ

  1. 38 第37章 — 信頼できるLeWM改良実験を設計する 公開中
  2. 39 第38章 — 実行可能な12の研究課題 公開中
  3. 40 第39章 — LeWM研究の未解決問題 公開中

付録　数学・実装・再現・査読のための参照資料

  1. 41 付録A — 最低限必要な数学ツールキット 公開中
  2. 42 付録B — PyTorch実装クイックリファレンス 公開中
  3. 43 付録C — テンソル形状の完全一覧 公開中
  4. 44 付録D — 実験設定カード 公開中
  5. 45 付録E — 論文タイムラインとエビデンスレベル 公開中
  6. 46 付録F — 用語集 現在のレッスン
  7. 47 付録G — 再現チェックリスト 公開中
  8. 48 付録H — 専門家査読チェックリスト 公開中

まず大きな絵

  1. Formalterm が正確に指すもの。
  2. Plain持ち帰れる短いお話。
  3. Boundaryその語が証明しないもの。
analogy は入口を開きます。formal definition と misconception の柵は、analogy が machine を描き替えるのを防ぎます。

小さなお話：翻訳ブース

ある researcher は target と言って training の encoded next observation を指します。別の人は goal と聞いて planner の image を指します。三人目は teacher forcing と聞いて、original LeWM にはない EMA teacher を発明します。

語は似ていますが別 lane に住みます。この glossary は各 term に四窓、formal definition、plain sentence、analogy、common misconception を与えます。

formal definition、plain explanation、analogy、misconception を四つの別窓に保つ translator booth。

どの窓も他を置き換えません。analogy は記憶を助けますが、assumption や evidence を供給しません。

Model と representation の用語

TermFormal definition一言説明たとえよくある誤解
World modelenvironment state/observation dynamics を表し、reasoning/control のため temporal/action consequence を予測する learned model。「次に何が起こる？」を rehearsal します。rehearsal room。video を描くか、完全で人間可読な physics を持たねばならない。
Latent stateprediction、analysis、planning 用に observation/history を圧縮する learned vector。model の小さな internal state card。写真ではなく passport。各 coordinate が物理量、または一 frame が自動的に完全 Markov state。
Target representationpredictive representation loss の reference。original v3 では同じ trainable encoder が shifted real next observation を encode し、detach しない。prediction が合わせる encoded next observation。training の destination ticket。goal image、EMA teacher、target network、stop-gradient branch。
Action conditioninglatent context からの predicted transition を action/action block で modulate すること。「これをしたら？」を質問に入れます。route simulator の left/right button。違う action symbol は常に違う state や正しい causal branch を作る。
Representation collapseconstant code から task に不十分な effective structure まで、useful variation を失う degeneracy。違う場面が内部で同じになります。全 traveler に同じ passport。low-dimensional なら必ず collapse、または collapse と overfitting は同じ。
SIGRegSketched Isotropic Gaussian Regularization。有限 random 1D projection を standard Gaussian reference と比べる anti-collapse pressure。latent crowd の多くの影を調べます。町を多方向から検査。有限 shadow が joint Gaussian、topology、physics、planning utility を保証。

Prediction と control-loop の用語

TermFormal definition一言説明たとえよくある誤解
Prediction losspredicted future representation と encoded observed successor の discrepancy。estimated next latent は real next latent に会えたか。forecast checkpoint と到着を比較。low one-step loss が long rollout/planning success を保証。
Teacher forcingmodel 自身の過去 prediction だけでなく recorded context を条件にする sequence training。training は real trail、rollout は自分の足跡から歩きます。前の小節を渡す piano practice。teacher network、EMA、target encoder、stop-gradient が必要。
Rolloutaction sequence 下で dynamics を繰り返し、しばしば predicted state を後段へ渡すこと。future path を一歩ずつ作ります。前の copy から次の copy。必ず generated video、real trajectory、feasible path。
Open-loop controlcommitment interval 中に observation で修正せず action sequence を実行。もう一度見るまで plan に従います。印刷 route で運転。model がない、または絶対に働かない。
Closed-loop controlearlier action 後の observation を使って later action を選ぶこと。見直して更新します。navigation app の reroute。feedback が成功を保証し wrong model/cost を直す。

Planning の用語

TermFormal definition一言説明たとえよくある誤解
Plannermodel、cost、constraint を使い、有限 budget で action sequence を提案・評価・選択する procedure。planner が試すものを選び、model が結果を見積もります。itinerary を比べる travel agent。planner と world model は一 component、または search が欠落情報を修復。
Costpredicted outcome/action sequence の scalar ranking rule。通常 lower-is-better。search にどの candidate が良く見えるか伝えます。judge の scorecard。必ず training reward や physical feasibility。
Terminal latent distancebaseline LeWM の final predicted latent と encoded goal latent 間 squared Euclidean cost。imagined endpoint と goal の定規。map 上の straight line。shortest path、progress、directed temporal distance、reachability と同じ。
Decision-metric alignmentdeclared protocol 下で predicted candidate ranking と realized-outcome ranking が一致すること。rehearsal は reality と同じ winner を選ぶか。二人の judge が同じ contestant を順位付け。一 correlation、probe、one-step score が alignment を保証。
Reachability許された dynamics/action で state に届くか。多くは方向付き time/action budget 内。「この rules で着ける？」corridor と lock で隔てた隣室。symmetric、visual similarity、または learned score が証明。
CEMCross-Entropy Method。action sequence を sample、cost で elite を残し、有限 round で proposal を refit。winner が次 audition を形作ります。繰り返す tournament。全 action を exhaust、global optimum を保証、model error を exploit できない。
MPCreceding-horizon control。plan、configured prefix を execute、observe、replan。imagination を短く信じて reality を確認。sailor が各 leg を描き直す。常に一 action を実行、rollout bias を除去、または learned controller そのもの。

Evidence と diagnosis の用語

TermFormal definition一言説明たとえよくある誤解
Support mismatchquery した state/action/transition に、collected data/training distribution の十分な evidence がないこと。planner がほぼ未学習の neighborhood を尋ねます。route が未測量の空白を通る。outside support は physically impossible、または global action frequency が local support を証明。
Model exploitationsearch が systematic model/cost error、しばしば weak support のため魅力的な action を選ぶこと。optimizer が simulator の loophole を見つけます。rules の typo を最適化。普通の exploration、deception、または CEM が壊れている証明。
Decodability指定 probe/split で fixed representation から variable を recover できる度合い。この reader は情報を取り出せるか。clerk が coded passport field を読む。model が使う、causal、または understanding の証明。
Controllabilitynamed dynamics/horizon 下で admissible action が influence/reach できる state distinction。available control は何を変えられるか。reachable floor の elevator button。action-sensitive prediction が controllability/observability を確立。
Identifiabilityassumption と equivalence class の下で、observed data/control から latent variable/model を一意回復できること。allowed transform まで hidden explanation は一意か。一 jurisdiction の rule で有効な ID。interpretability、または arbitrary world の true physics。
Causal identificationexperimental design / identification assumption 下で intervention effect/structure を確立。一 factor を変えたから何が変わったか。circuit を固定して一 switch を試す。correlation、probe、separated branch、任意の一 ablation が cause を証明。
Planning utilitydeclared task/planner/budget で action selection に役立つ empirical usefulness。この machinery はここで良い decision を助けるか。completed trip で map を評価。task-free intrinsic scalar。
Action-conditioned predictive consistencymatched action-conditioned rollout の diagnostic。ACPC v1 は pairwise divergence、Invariance Radius、Separation Rate を含む。irrelevant change では安定し、consequential change では違うか。sign を塗り替える／road を動かす。internal consistency が truth、calibrated uncertainty、safety を証明。
Independent reproductionoriginal author report 外の evidence が documented version/protocol で claim を rerun/reimplement。別 investigator が実際に走らせた範囲を確認。第二 lab が一つの named assay を反復。author code や一 TwoRoom reproduction が全 task/method を検証。
Violation of Expectationordinary sequence と意図的 perturbed event sequence の model-derived surprise を matched comparison。prediction error は選んだ violation に反応するか。costume change と motion rule change。surprise peak が intuitive physics、causality、広い anomaly understanding を証明。

vocabulary を壊してみる

“The teacher forces the target goal through a rollout, so low latent distance proves the state is reachable.”

名詞は全部本物ですが、接続は全部誤りです。teacher forcing は recorded context を渡します。target representation は encoded successor で、goal は planning に属します。rollout は action 下の latent を imagine します。terminal distance は endpoint を順位付けしますが、budgeted directed reachability を証明しません。

training lane と planning lane を描き、各 word を一 object、一 phase、一 assumption set、一 evidence type に結びます。一 term が二 mechanism を同時に指すなら、流暢な prose が category error を隠しています。

証拠レシート

definition は LeWorldModel v3、frozen official code、LeJEPA v3、passive identifiability v1、controlled identifiability v2、TwoRoom reproduction v1 に従います。frontier definition の exact version は Appendix E にあります。evidence cutoff は 2026-08-20。analogy と壊れた sentence は tutorial construction、independent evidence は documented protocol の TwoRoom-only です。

3つのクイック質問

  1. target representation と goal image は system のどこに入りますか？
  2. information が decodable でも unused/non-causal でありうるのはなぜですか？
  3. distance、reachability、planning utility はどう違う質問をしますか？