JEPAポリシー：ペア行動と未来表現予測による拡散不要の模倣学習

本論文は JEPA Policy を提案する。これは diffusion-free な模倣学習フレームワークで、action chunk とその観測された future representation をペアの学習ターゲットとして用いる。action と future-representation のトークンは共有 Transformer 内で相互作用し、2回の forward pass で洗練される。これにより future prediction が action 生成に使われる表現を形成しうる。9つの simulated tasks と5タスク・630エピソードの physical-robot 研究で評価している。

- 標準的な behavior cloning は action を監督するが、各 demonstrated action chunk とペアになる future representation を明示的に制約しない。 - 提案法は action-only の MIP baseline に対して平均 success を改善し、評価した設定で Diffusion Policy を上回る。 - MIP の model latency に 0.29 ms しか追加しない。 - dual-branch と gradient-routing の制御により、利得が auxiliary prediction head 単独ではなく共有トポロジーに帰属することを示す。

- action chunk と観測された future representation をペアの訓練ターゲットとして使う。 - action と future-representation のトークンが共有 Transformer 内で相互作用する。 - 2回の forward pass でトークンを洗練する。 - future prediction が action 生成に用いる表現を形成できる。 - diffusion-free で反復的な generative sampling を必要としない。

- 9つの simulated tasks で評価し、action-only の MIP baseline に対する平均 success の改善と、評価設定での Diffusion Policy に対する優位を示した。 - MIP の model latency への追加は 0.29 ms と報告。 - 5タスク・630エピソードの physical-robot 研究でも同じ pooled ranking が得られた。 - さらなる audit で action supervision 下での完全な representation collapse は見られず、future-prediction error に task-conditioned な failure-ranking signal を同定した。

- 結果は、低遅延の visuomotor imitation において、反復的な generative sampling なしで paired future-representation supervision が実用的なアプローチであることを支持する。 - action supervision 下で完全な representation collapse は見られなかった。 - future-prediction error に task-conditioned な failure-ranking signal が同定された。 - その他の限界や議論は要旨からは不明。

- MIP baseline - Diffusion Policy - behavior cloning - JEPA 関連の future representation prediction 手法