SG-JEPA、重力条件の異なる物理タスクでゼロショット汎化を検証

何が起きたか

arXiv掲載の論文は2026-09-09、Semigroup-JEPA（SG-JEPA）を用いて、重力条件の異なる物理タスクでのゼロショット汎化を評価したと発表した。論文では、弱い重力での浮遊運動から強い重力での急速な反発まで、同じ物理法則に従いながら見かけの動きが異なる設定を作り、モデルの一般化能力を検証している。結果として、SG-JEPAはDINO-WMに比べ、2次元データセットで開ループ予測誤差を最大2倍下げ、3次元ロボットデータセットで制御成功率を最大2.5倍高めたとしている。

詳細

SG-JEPAはLeWorldModelフレームワークを拡張し、物理を規定するパラメータをaction-conditioningで時系列モデルに与え、エンコーダと予測器を自己回帰的なlatent rolloutで同時学習する構成である。3次元ロボットデータセットの評価では、独立したdiffusion policyを訓練している。 論文は、利点の説明として線形特徴モデルを導入し、局所的な法則条件付き誤差と、rolloutの反復による誤差増幅を分離した。そのうえで、多段rollout損失を表現に逆伝播させると、エンコーダが予測器に引き継げる特徴を保持するよう学習し、その特徴こそが動力学に依存する特徴だと結論づけている。

Key Facts

本紙の見方

今回の論文の新しさは、JEPA系の世界モデルについて「物理を学べるのか」「物理的に妥当な動力学を生成できるのか」という未検証だった論点を、重力条件を変えた外挿タスクで定量的に試した点にある。一方で、手法の中核はLeWorldModelの拡張であり、action-conditioningや自己回帰的なlatent rollout、エンコーダと予測器の同時学習という枠組み自体は既存路線の延長とみられる。したがって、論文の主張は新しいモデル系の提示というより、既存の表現学習枠組みが「どこまで物理一般化に効くか」の検証に置かれている。 本紙の見方では、注目点は予測器の強化ではなく、エンコーダが後段へ渡す特徴の質にある。論文は、改善の多くが予測器の動力学学習よりも、表現側が「予測器が持ち運べる特徴」を保持するよう学習した結果だと説明している。これは、ロボットや物理タスク向けの世界モデルが、出力精度そのものより、どの状態量を抽象化し、どの誤差を繰り返し増幅させないかで性能が分かれることを示唆する。つまり、学習の焦点は生成器側の自由度拡大ではなく、表現圧縮とロールアウト耐性の両立にあると読める。 業界構造への含意としては、物理世界モデルの評価軸が、静的な予測誤差から、条件変化に対する制御成功率へ移っている点が大きい。2次元データセットでは誤差、3次元ロボットデータセットでは制御という形で評価を分けているため、シミュレーション精度の改善だけでは不十分で、実行時の方策と接続した性能が問われる構図である。さらに、重力という単一パラメータでダイナミクスが大きく変わる設定を使っているため、今後は質量、摩擦、接触条件など、どの物理要因まで同じ表現で扱えるかが論点になるとみられる。最後に未確定なのは、どの程度の実ロボット環境で再現できるか、学習データの範囲外で性能がどこまで維持されるか、そしてdiffusion policyとの結合が他の制御方式でも同様に効くかである。

なぜ重要か

論文は、SG-JEPAが2次元データセットで開ループ予測誤差を最大2倍、3次元ロボットデータセットで制御成功率を最大2.5倍改善したとしており、物理条件が変わっても使える世界モデルの候補として位置づけられる。エンコーダ側の表現学習が主因だという整理は、モデル設計の焦点を「より大きな予測器」ではなく「ロールアウトに耐える特徴表現」に置き直す材料になる。

日本への影響

日本のロボット研究や制御系では、シミュレーションから実機へ移る際の条件差の吸収が課題であり、重力条件を変えた外挿評価はその論点に接続する。特に、3次元ロボットデータセットでdiffusion policyと組み合わせて制御成功率を測っている点は、世界モデルと方策学習をどう結ぶかという実装上の検討材料になる。