[논문리뷰] PDE-JEPA: Predictive Representation Learning of Latent Dynamics Modeling for Parametric PDEsParametric PDEs에 대한 현재의 표현 학습(representation learning)은 주로 관측된 물리적 필드를 재구성하는 데 초점을 맞춘 재구성 기반(reconstruction-based) 목표에 의존한다.#Review#Predictive Representation Learning#Latent Dynamics Modeling#Parametric PDEs#Joint-Embedding Predictive Architectures (JEPA)#Geometry Alignment#Out-of-Distribution Extrapolation#Physics-Structured Predictor#Self-Supervised Learning2026년 10월 4일댓글 수 로딩 중
[논문리뷰] Fast LeWorldModel본 논문은 LeWM과 같은 기존 JEPA 기반 World Model이 가진 비효율적인 계획(Planning) 과정을 개선하는 것을 목표로 합니다. 기존의 Autoregressive Rollout 방식은 미래 상태를 예측하기 위해 한 단계씩 순차적으로 모델을 호출해야 하므로 계산 비용이 매우 높습니다.#Review#Latent World Models#Visual Planning#Joint-Embedding Predictive Architectures (JEPA)#Action-Prefix Prediction#Parallel Rollout#CEM (Cross-Entropy Method)2026년 6월 25일댓글 수 로딩 중
[논문리뷰] GeoWorld: Geometric World Models이 논문은 기존 에너지 기반 예측 월드 모델이 유클리드 공간 에서 잠재 표현을 학습하여 기하학적 및 계층적 구조를 무시 하고, 장기 예측 시 성능이 빠르게 저하되는 문제를 해결하고자 합니다.#Review#Geometric World Models#Hyperbolic Geometry#Joint-Embedding Predictive Architectures (JEPA)#Reinforcement Learning (RL)#Multi-step Planning#Visual Planning#Energy-Based Models2026년 2월 26일댓글 수 로딩 중