Qantara、JEPA制御で複数推論パラダイムを単一チェックポイントで実現

何が起きたか

arxiv.orgに2026年7月6日付で公開された論文で、Qantaraと呼ばれるエンドツーエンドのJEPA（Joint-Embedding Predictive Architecture）が発表された。Qantaraは、状態軸上のブラウン橋補間と行動軸上のフローマッチングを組み合わせた訓練により、単一のチェックポイントで潜在プランニング、行動クローニング、逆動力学の3つの推論パラダイムを切り替えられる。LeWM制御スイートで91.2 SR（3シード平均）を達成し、OGBench-CubeでDINO-WMを+7.7 SR、LeWMを+19.7 SR上回る新SOTAを記録した。

詳細

Qantaraの訓練目的は、状態軸上の連続するクリーンな潜在変数間のブラウン橋補間と、行動軸上のノイズからデータへのフローマッチングを組み合わせたもの。これにより、同じチェックポイントが再訓練なしで3つの推論パラダイム（潜在プランニング、行動クローニング、逆動力学）を提供する。逆動力学は、行動条件なしで次の潜在変数を予測し、そこから行動を抽出するビデオ逆合成によって実現される。訓練はノイズ正方形の端に質量を集中させて行われ、一様な内部サンプリングに置き換えるとPush-Tプランニングの成功率が90.1から53.3 SRに低下する。同じ重みから、行動クローニングとビデオ逆合成のパスはPush-Tで82-83 SR、Cubeで71-73 SRに達する。

Key Facts

本紙の見方

今回の発表は、JEPA世界モデルが単一パラダイムのプランナーから多パラダイムのコントローラーへと進化する一歩を示す。従来のJEPA世界モデルは訓練時に単一の推論パラダイム（軌道最適化または直接の行動クローニング）にコミットしていたが、Qantaraは訓練時にその選択を先送りし、推論時に展開制約（ロールアウトコスト、観測アクセシビリティ）に応じて最適なパスを選べるようにした。これは、実世界のロボット制御において、計算資源やセンサー環境が変動する状況での柔軟性を高める可能性がある。 本紙の過去報道との接続は、関連記事が提供されていないため直接の言及は避けるが、JEPAの進化という文脈では、これまでの世界モデル研究が単一の推論経路に特化していたのに対し、Qantaraはその制約を解消する点で新規性がある。 業界構造への含意としては、ロボット制御や自動運転などの分野で、モデルの汎用性が向上することで、ハードウェアやセンサー構成に依存しない制御システムの設計が可能になる可能性がある。また、訓練時のノイズ分布の設計が性能に大きく影響することが示されたことで、今後のJEPA訓練手法の研究に新たな焦点が当たるだろう。 未確定の論点としては、Qantaraの実ロボットへの適用時の性能、特に計算コストや実時間性がどの程度実用的かが焦点になる。また、OGBench-CubeでのSOTAはシミュレーション環境での結果であり、実世界での汎化性は未検証である。さらに、3つの推論パラダイムの切り替えがどのような条件下で最適かを判断する基準が明確でない点も今後の課題だ。

なぜ重要か

Qantaraは、JEPA世界モデルを単一のチェックポイントで複数の推論パラダイムに対応させることで、制御システムの柔軟性を大幅に高める可能性がある。これにより、ロボットや自動運転などの分野で、環境や計算資源に応じて最適な制御戦略を選択できるようになり、実用化への道が開かれる。また、訓練時のノイズ分布の重要性を示したことで、今後の世界モデル研究に新たな指針を与える。