JEPA4Japan · チュートリアル
JA

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

1,067文字 4分で読めます #LeWorldModel#World Models#JEPA

潜在状態のMSEが制約するものを明確にし、低い一歩予測誤差が長期ロールアウトや高い計画成功率を保証しない理由を検討します。

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 現在のレッスン
  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. 予測するnext latent
  2. encodeする現実のnext
  3. 測るcoordinate gapをsquare
  4. 忘れないlocal rulerだけ
小さなone-step latent errorは有用な証拠ですが、planner全体の証明書ではありません。

確認済みprediction linkの後にも、representation、rollout、cost、search、executionの別々のlinkがあります。

小さなお話

運転練習で個々の曲がり角を正確に曲がれても、街全体では誤ったrouteを選ぶことがあります。LeWMのprediction lossは1つのlocal turnを測る定規です。next latent guessが、shared encoderによる次のrecorded observation表現へ近いかを見ます。

この定規は不可欠です。なければpredictorがrecorded transitionへ従う直接理由がありません。ただしcoordinateは学習されたもので、meter、degree、velocityではありません。

技術バックパック

frozen implementationはmean squared errorを使います。

observed_states = encode(recorded_frames)
guesses = predict(observed_states_without_last, recorded_actions_without_last)
targets = observed_states_without_first       # connectedのまま
L_pred = mean((guesses - targets)^2)

squareにより正負のgapが打ち消し合わず、averageはbatch、time position、latent coordinateをまとめます。重要なphysical variableがrepresentationにないなら、MSEには苦情を言うcoordinateもありません。

targetはlearnedです。oracle state、EMA teacher、stopped answerではありません。prediction gradientはcontext useとtarget useからshared encoderへ届きます。このflexibilityがconstant-code collapse shortcutも許すため、SIGRegには別の仕事があります。

frozen four-observation defaultでは全shifted pairを数えます。

context/actions:  z0+a0   z1+a1   z2+a2
predictions:      p1      p2      p3
targets:          z1      z2      z3

これは異なるcontext positionにある3つのone-step targetで、1 startからのdirect one-/two-/three-step rolloutではありません。num_preds=1はoffsetです。frameskip=5なので「one model step」は5 environment actionsをまたぎます。paperのTwoRoom historyは1、frozen global defaultは3です。

teacher forcingでは全context stateがrecorded observationから来ます。planningではpredicted stateをappendし、次のinputにします。最初の小さなずれが次のpredictionを変えられます。errorは増幅、縮小、回転、相殺、飽和し得るため、monotonicに増えるとは限りません。

だまされる仕掛け

95 straight transitionsと5 rare doorway turnsのdatasetを作ります。predictorが多数派を扱い、turn actionを無視しても、averageはよく見えます。

MSEは捨てず、分解します。

  1. regionとprediction slot別にheld-out teacher-forced one-step errorを報告する。
  2. recorded actionをautoregressive replayし、horizon別errorを描く。
  3. 同じtargetでteacher-forced/autoregressive contextを比較する。
  4. history固定でsupported actionをswapする。
  5. privileged-state probeは限界を明記して使う。
  6. cost rankingとclosed-loop successを別に報告する。

training MSEとterminal planning costは両方squared latent gapを含んでも、tensorとreductionが違います。前者はshifted transitionのmean、後者はcandidateごとのsummed terminal scoreです。raw valueは交換できません。

実験レシート

LeWorldModel v3、固定train.py、固定JEPA.rolloutはteacher-forced one-step trainingとautoregressive planningを裏づけます。

single-seed TwoRoom reproductionでは、3 checkpoints間でone-step accuracyがshort-horizon behaviorを順位付けしましたが、long-horizon planning successを順位付けしませんでした。これはそのprotocolで後段linkを別々に測る必要を支えますが、universal lawや原因を示しません。

許される主張は、low connected one-step MSEがevaluated transition上のlocal latent agreementを示すことです。meaningful state、reachability、stable rollout、effective CEM、successful controlへ格上げしてはいけません。

3問クイックチェック

  1. encoded next observationがfixed ground truthでなくても役立つのはなぜですか。
  2. teacher-forced contextとautoregressive contextでは何が変わりますか。
  3. averageに隠れたrare action-dependent failureを見せるmetricは何ですか。