arXiv cs.AI は2026年10月7日(現地時間)、潜在世界モデル「RoboJEPA」に関する研究論文を公開した。Joint Embedding Predictive Architecture (JEPA) に基づくこのモデルは、12種類のロボット筐体にまたがる大規模データセットで訓練され、その想像エラーが計算量に関して2次べき乗則に従うことを示した。これにより、モデル品質の予測が可能となり、実ロボット評価の代替となる計画性能の相関も確認された。
この研究は、ロボットの潜在世界モデルにおいて、モデルサイズ、データ、計算量に対する能力のスケーリングを推定する体系的な方法が欠如しているという課題に取り組んでいる。RoboJEPAは、これまでに訓練されたジョイント・エンベディング・プレディクティブ・アーキテクチャ (Joint Embedding Predictive Architecture: JEPA) 予測モデルの中で最大となる80億パラメータを持ち、実ロボットデータで訓練された多種ロボット潜在世界モデルのスケーリング則を確立した初の事例としている。
RoboJEPAの想像エラー（潜在ロールアウトのエラー）は、計算量に対して2次べき乗則に従うことが確認された。この発見により、モデル品質を法則が適合するスケールをはるかに超えて予測することが可能になるという。また、下流のロボット計画性能が計算量とともに予測可能に向上することも示され、想像エラーが計画性能と強く相関するため、実ロボット評価の信頼できる代理指標となると説明している。
さらに、潜在世界モデルがロボットエージェントとしてゼロショットで展開可能であることも実証された。単一の目標画像に向かって計画することで、実ハードウェア上で長期的計画を必要とするタスクを解決できる。研究チームは、すべてのモデルチェックポイントとともに、訓練およびロボット展開コードを公開している。
参考: arXiv cs.AI — 2026年10月8日 02:54 (JST)
原文ハイライト"RoboJEPA, at 8B parameters, is the largest JEPA predictor model trained to date."