JEPA型ワールドモデルの計画で表現幾何を調整するSCALEを提案

何が起きたか

arxiv.orgは2026-08-17付で、『Reperesentation Geometry Matters for Planning with JEPA World Models』を公開した。論文は、JEPA系のワールドモデルで使う潜在表現について、サンプリングしたペアの潜在距離を、課題に関係する状態空間の距離と対応づけるSCALEを提案している。対象はLeWorldModel（LeWM）で、SCALEは既存目的に加える形で導入できるとしている。

詳細

論文によると、SCALEは既存のLeWMアーキテクチャを維持し、学習時のみ特権的な状態情報を必要とし、推論時・計画時の追加計算は増やさない。著者らは、単に表現崩壊を避けるだけでは、潜在距離がタスクの成否に必要な差を十分に反映しない場合があると指摘している。 論文は、SCALEが操作タスクとナビゲーションタスクで、複数のソルバーを用いた計画成功を改善したと述べ、表現幾何が計画にどう影響するかを包括的に分析したとしている。

Key Facts

本紙の見方

今回の焦点は、JEPA型ワールドモデルにおける「表現崩壊を避ける」だけでは不十分で、潜在空間の距離そのものをタスクに合わせて較正する必要がある点にある。SCALEは、LeWMの枠組みを壊さずに、潜在距離と状態空間距離を結び直す設計であり、既存モデルへの後付け可能性と実運用時の計算負荷を両立させようとしている点が新しい。一方で、学習時に特権的状態を使うため、訓練データの作り方や状態ラベルの取得条件が前提になる。ここは、純粋な自己教師学習にどこまで近いのかという点で、既定路線の延長ではなく制約付きの改善策とみるべきだ。 本紙の観点では、これはワールドモデルの性能競争が「大きなモデルを作る」段階から、「何を近いとみなすか」という表現幾何の設計に移っていることを示す。LEWMのように潜在表現を学習して計画に使う方式では、観測の再構成や表現崩壊回避だけでは、目標に近い状態と遠い状態を計画コストが十分に区別できない可能性がある。SCALEはそこに直接介入するため、計画器そのものより前段の表現学習がボトルネックになりうる、という整理につながる。複数ソルバーで効果を示した点は、特定の探索法への最適化ではなく、表現側の改善として訴求していると読める。 構造面では、入力観測→潜在表現→距離計算→計画という流れのうち、SCALEは潜在表現と距離計算の接続部を調整する手法である。これにより、操作では物体位置・姿勢、ナビゲーションでは到達性など、課題依存の状態差分が計画コストに反映されやすくなる可能性がある。ただし、論文要旨だけでは、どの程度の成功率改善か、どのソルバーでどこまで頑健か、特権的状態の具体的な定義は読み切れない。今後確認すべき論点は、LeWM以外のJEPA系モデルへの一般化、状態情報をどの範囲まで必要とするか、そして表現幾何の調整が長期計画やより複雑な環境でも維持されるかである。

なぜ重要か

SCALEは、計画時の追加計算を増やさずにLeWMへ組み込めるとしており、ロボットやエージェントで推論コストを抑えたい用途に関係する。論文が指摘する通り、成功率は潜在表現の可解釈性ではなく距離の設計に左右されるため、学習済みモデルの評価では再構成精度だけでなく、目標に対する距離の整合性が論点になる。