潜在世界モデルにおける意思決定メトリクスの整合：MPCプランニングのための診断と行動条件付き目的関数

要旨

JEPAスタイルの潜在世界モデルは、目標潜在変数へのユークリッド距離をモデル予測制御（MPC）のコストとして用いることができる。しかし、タスク変数の強力なデコードは、この特定のコストが候補行動系列を実際のタスク進行度によって順序付けることを保証しない。我々は後者の性質を決定メトリック整合性（decision-metric alignment）と呼ぶ。我々は、ランダムなプランに対する潜在表現と実測値の順位一致を測定するPlan-Real Spearmanと、交差エントロピー法（CEM）探索がその提案を集中させる際の同じ一致を測定するCEM-stage Spearmanを導入する。我々は、潜在距離が実コストの順位を保存するための十分条件を分析し、エンコーダ歪み、終端ロールアウト誤差、候補マージンを支配量として特定する。観察された経験的整合ギャップに導かれ、DA-LeWMはLeWMに逆力学ヘッドとデモンストレーション条件付き目標行動ヘッドを追加する。我々のすべての実験において、DA-LeWMは収束を加速し、LeWMよりも高いオンライン成功率を達成する一方、プローブスコアは類似したままである。これらの結果は、行動条件付き目的関数が、ユークリッドコストを用いるCEMベースの潜在MPCで使用される幾何構造を改善することを示している。

English

JEPA-style latent world models can use Euclidean distance to a goal latent as the cost for model-predictive control (MPC). Strong decoding of task variables, however, does not guarantee that this particular cost ranks candidate action sequences by real task progress. We call the latter property decision-metric alignment. We introduce Plan-Real Spearman, which measures latent--real rank agreement on random plans, and CEM-stage Spearman, which measures the same agreement as cross-entropy-method (CEM) search concentrates its proposal. We analyze sufficient conditions under which latent distance preserves real-cost rankings, identifying encoder distortion, terminal rollout error, and candidate margins as the controlling quantities. Guided by the observed empirical alignment gap, DA-LeWM augments LeWM with inverse-dynamics and demonstration-conditioned goal-action heads. Across all our experiments, DA-LeWM accelerates convergence and achieves higher online success than LeWM, while probe scores remain similar. These results show that action-conditioned objectives improve the geometry used by Euclidean-cost, CEM-based latent MPC.