ゴールまでの時間：JEPA世界モデルを用いた長期的計画のための学習された時間指標

- JEPA (Joint-Embedding Predictive Architectures) の潜在空間プランニングにおいて、ゴールまでの時間的距離を反映したコスト指標を学習する手法 Time-to-Goal (T2G) を提案する研究。 - 既存の flat LeWorldModel (LeWM) では、予測表現の学習と分布正則化だけでは「ゴールに時間的に近い状態ほど低コスト」という順序が保証されない点を問題視。 - T2G は軽量なメトリックとして学習され、JEPA encoder と predictor を凍結したまま Euclidean プランニングコストを置き換える。

- 従来の flat LeWM は Euclidean ゴールコストを用いるが、時間的順序を明示的に学習しないため長オフセットで時間的区別が弱まる。 - 提案手法は報酬や policy ラベルを必要とせず、オフライン軌跡の潜在 triple のみから時間的順序を学習する点が新しい。 - 階層的 H-JEPA ベースラインに匹敵または上回る性能を、flat な world model のまま達成できることを示す。

- オフライン軌跡からサンプルした潜在状態の triple を用い、時間的に近い状態間の距離が小さくなるよう margin ranking loss でメトリックを学習。 - 学習したメトリックをプランニング時のゴールコストとして使用し、JEPA encoder と predictor は凍結。 - 報酬・policy ラベル不要の軽量な追加学習で、既存 JEPA 潜在空間に時間的順序を付与する。

- AntMaze と FourRoom での診断により、T2G が長オフセットでの時間的コントラストを保持し、near–far ランキングを改善することを確認。 - 4つの navigation および manipulation ベンチマークで、平均プランニング成功率が flat LeWM の 32.7% から 63.0% に向上。 - 階層的 H-JEPA ベースラインに接近またはそれを上回る性能を達成。

- flat な world model でもゴールコストの時間的順序を学習することで潜在プランニングが大幅に改善できることを示唆。 - 一方、具体的な限界や失敗ケース、計算コスト、他手法との詳細な比較については要旨からは不明。 - 報酬や policy ラベルなしで学習可能な点の汎用性や、他タスクへの適用可能性は議論の余地がある。

- LeWorldModel (LeWM) および H-JEPA の原論文。 - JEPA 全般（Joint-Embedding Predictive Architectures）の関連研究。 - 潜在空間プランニングにおけるコスト・メトリック学習の関連手法（例：contrastive learning や ranking loss を用いた表現学習）。