논문Hugging Face
One Future, Every Robot: Label-Efficient Collective-State Prediction with Decentralized JEPA
논문 ID: 2607.284433 추천
#Multi-Agent#Swarm Robotics#JEPA#Distributed Learning#Evaluation
핵심 요약
분산형 로봇 스웜 환경에서 최소한의 통신만으로 모든 로봇이 동일한 미래 상태를 예측할 수 있게 하는 효율적인 JEPA 프레임워크 제안
상세 내용
로봇 스웜 환경에서 각 로봇이 국소적 관측과 제한된 대역폭만으로 어떻게 동일한 미래 상태를 예측할 수 있는지에 대한 문제를 다룹니다. 이를 해결하기 위해 모든 로봇이 공통된 미래 토큰 필드를 생성하는 순환형 공동 임베딩 예측 아키텍처인 CS-JEPA를 도입합니다. 학습 시에는 전역 레이블 없이 사전 학습을 진행하며, 배포 시에는 매우 적은 양의 메시지와 국소적 이력만을 사용합니다. 실험 결과, CS-JEPA는 기존 재구성 방식보다 적은 파라미터로도 높은 예측 정확도와 로봇 간 일치도를 보여주었습니다. 또한, 계획 수립(Planning) 작업에서도 기존 방식 대비 MSE를 크게 낮추고 상관계수를 높이는 등 우수한 성능을 입증했습니다.
주요 내용
- CS-JEPA: 분산형 환경에서 모든 로봇이 공통된 미래 상태를 공유하도록 설계된 JEPA 아키텍처
- Label-Efficient: 전역 레이블 없이 사전 학습 후, 최소한의 레이블만으로 높은 성능을 내는 효율성 확보
- Scalability & Robustness: 로봇 수(N)가 변하거나 네트워크 토폴로지가 바뀌는 상황에서도 안정적인 예측 성능 유지
실무에서 볼 만한 점
통신 대역폭이 제한된 멀티 로봇 시스템에서 중앙 서버 없이도 일관된 미래 예측을 가능하게 하여 협업 및 계획 수립의 효율을 높일 수 있습니다.
참고할 행동
- 제한된 대역폭(Low-bandwidth) 환경에서의 메시지 크기 변화에 따른 예측 성능 변화 테스트
- 로봇 개체 수(N)가 급격히 변하는 동적 토폴로지 환경에서의 안정성 검증
- 학습된 임베딩을 기반으로 한 로봇의 경로 계획(Path Planning) 성능 비교 실험