異方性表現でJEPAワールドモデルの計画を改善

- JEPA 系の latent world model における表現幾何と planning の整合性を扱う研究。 - 行動条件付きダイナミクスを表現空間で学習し、goal 表現への Euclidean 距離で候補行動を評価する枠組みが対象。 - 等方 Gaussian 正則化が collapse を防いでも、task cost と異なる順位付けを生む問題を指摘。 - 学習可能な対角共分散 Λ を導入する AnisoWM と ΛReg を提案。 - 予測目的・predictor 構造・Euclidean planner は変えず、学習時のみ target を変更。

- 従来は collapse 防止の正則化と予測精度が planning 性能を保証すると暗黙に想定。 - 本研究は等方 Gaussian 正則化が task-aligned でない幾何を誘導し得ることを示す。 - 固定等方 Gaussian target を、固定 trace と異方性制約下の学習可能対角共分散に置換。 - 予測器や planner を変更せず、表現幾何のみを調整する点が差分。 - 4 つの visual control 環境で LeWorldModel より planning 成功率が向上。

- AnisoWM は target 分布を学習可能な対角共分散 Λ に置き換える ΛReg を採用。 - 固定 trace 制約と異方性制約を課し、collapse を防ぎつつ方向ごとの分散を調整。 - 予測目的・predictor architecture・Euclidean planner は不変で、target は学習時のみ使用。 - 予測駆動的な target variance の配分を解析し、訓練分布への依存を特徴づける。 - 誘導される metric が planning regret を低減する条件を理論的に示す。

- 4 つの visual control 環境で評価。 - AnisoWM は全 4 環境で LeWorldModel より planning 成功率が向上。 - latent planning cost が task outcome とより一致することを確認。 - 予測駆動的な target variance 配分と訓練分布依存性を解析。 - planning regret 低減条件を理論的に特徴づけ。

- 正確な予測と非 collapse 表現だけでは task-aligned な latent planning cost を保証しない。 - 等方 Gaussian 正則化は feasible outcome の順位を task cost と異ならせ得る。 - 提案 metric が planning regret を低減する条件と訓練分布依存性を議論。 - 予測器や planner を変えず target のみ変更する設計の含意を議論。 - 詳細な限界や失敗条件は要旨からは不明。

- LeWorldModel（比較対象の latent world model）。 - JEPA 系 world model の代表的研究（I-JEPA, V-JEPA など）。 - latent world model における collapse 防止正則化（VICReg, Barlow Twins など）。 - model-based planning における latent cost 設計に関する研究。 - visual control ベンチマーク（DMControl など）を用いた planning 評価研究。