Temporal-Distance JEPA: 잠재 월드 모델 예측 제어를 위한 계획 인식 표현 학습

연구진은 보상 없는 궤적에서 방향성 있는 시간 비용을 학습해 계획과 표현 학습에 활용하는 JEPA 기반 월드모델 TD-JEPA를 제안했다.

이 방법은 같은 궤적의 순서 정보, 다른 궤적 간 네거티브 샘플, 롤아웃 일관성을 이용해 진행도에 민감한 잠재 거리 개념을 학습한다.

잠금 평가에서 TD-JEPA는 내비게이션과 조작 벤치마크의 성공률을 높였고, 기존 경쟁 기법들과 최소 동등하거나 그 이상을 보였다.

이 접근은 표현 학습과 제어 사이의 불일치를 줄여 오프라인 월드모델 계획 성능을 개선한다.