JEPA4Japan · チュートリアル
JA

第4章 — 1枚の図でLeWMを理解する

1,190文字 4分で読めます #LeWorldModel#World Models#JEPA

観測と行動から、エンコーダー、潜在動力学、SIGReg、プランナー、MPCへ至る訓練時と計画時のデータフローを俯瞰します。

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 現在のレッスン

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 公開中
  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. 学ぶ現実の過去と次状態
  2. 身につけるencoder + dynamics
  3. 凍結するmodelは変えない
  4. 計画する想像とfeedback
1つのencoderとpredictorが2つの勤務をします。trainingには現実のfuture answerがあり、planningにはありません。

学習と凍結モデルによるプランニングは、LeWMの別々のlaneです。

小さなお話

昼のcontrol roomで、LeWMは記録済みの旅を学びます。現実のnext frameを見て、自分の予測と答えを比べ、encoderとpredictorを更新できます。夜は、学習済みモデルが行動選択を助けます。まだ実行していない未来は空白なので、候補未来はすべてモデル自身が作ります。

2つの部屋を混ぜると、もっともらしい誤りが生まれます。goalとCEMが入ったtraining graph、true futureを見られるplanner、あるいは不可能な経路を安く見せるためmodel weightを曲げるplannerです。

本当のルール

2本のlaneは、そのまま覚えられます。

TRAIN
記録frame + action -> encode -> predict
現実のnext frameのencode -> connected target
prediction loss + weighted SIGReg -> learned componentsを更新

PLAN
current + goal -> frozen encoder
candidate action -> autoregressive latent rollout -> terminal cost
CEMはaction proposalだけ変更 -> Kを実行 -> 観測 -> 繰り返す

最初のlaneには答えがありますがtask goalはありません。2本目にはtask goalがありますが、未実行行動の答えはありません。

記号では、画像は[B,T,C,H,W]から潜在状態[B,T,D]になります。引用実験の画像は224×224、frame skipは5、frozen defaultの部分軌跡は4 observation positionsです。v3 appendixはTwoRoomでhistory 1、PushTとOGBench-Cubeで3を報告し、frozen global configはhistory_size: 3、TwoRoomは上書きしません。両方のlabelを残します。

trainingではreal encoded stateがcausal contextを与えます。ここでのteacher forcingはteacher networkではありません。shifted targetはshared encoderへ接続されたままです。planningではpredictionをappendして再利用します。loggingやinferenceの.detach()はv3 trainingをstop-gradientへ変えません。

SIGRegはtraining embeddingに作用します。exact constant-code shortcutを高くしますが、planning costでもphysics証明でもありません。paper method default weightは0.1、frozen YAMLは0.09です。どちらも普遍的最適値ではありません。

だまされる仕掛け

planningでcandidate actionとworld-model weightの両方を更新したとします。terminal costはすぐ下がります。しかし行動が良くなったとは限りません。optimizerがpredictorを曲げ、endpointをgoalに似せただけかもしれません。

baseline invariantは次です。

model_parameter_change = 0
candidate_action_change = allowed

CEMが更新するのはaction distributionだけです。goal latentはdynamicsを通らず、terminal squared Euclidean costでimagined endpointと会います。paper Appendix B本文はfinal proposal meanを返し、Algorithm 2はbest sampled sequenceまたはそのmeanの最初のactionも許します。repositoryはCEMをpinされていないstable-worldmodelへ委譲するため、解決済みreturn conventionを記録します。

MPCはH model stepsを計画し、Kを実行してから観測します。報告設定はH=5、K=5、1 model stepに5 environment stepsなので、feedbackは25 environment steps後です。再計画は古い想像への依存を減らせますが、消えた壁や悪いgoal geometryは直しません。

実験レシート

LeWorldModel v3、固定train.py、固定jepa.pyは、2-lane method、connected training graph、vectorized latent rollout、terminal criterionを裏づけます。

許される主張は、LeWMがencoderとaction-conditioned predictorをprediction+SIGRegでjoint trainingし、その後modelをfreezeしてCEM/MPCがactionを探索・実行することです。CEMがglobal optimumを見つける、latent distanceがreachabilityと等しい、MPCは常に1行動だけ実行する、とは言えません。

3問クイックチェック

  1. trainingにはあり、未実行のplanning branchにはない情報は何ですか。
  2. CEM中に変わるものと、凍結すべきものは何ですか。
  3. frozen planningのgoal detachがtraining target detachを意味しないのはなぜですか。