HanoiWorld：基于 JEPA 的自主车控制器联合嵌入预测架构世界模型
机器人学
2026-01-06 v1 人工智能
摘要
当前强化学习用于自主控制器的尝试数据需求大，结果表现不佳、不稳定，无法把握和锚定安全概念，过度关注像素重建中的噪声特征。虽然当前基于联合嵌入预测架构（JEPA）的自监督学习方法通过学习高维表示具有趣味性且是有效的替代方案，因为其思想模仿了人类大脑在利用想象和最小样本观察获取新技能的天然能力。本研究引入 HanoiWorld，一种基于 JEPA 的世界模型，使用循环神经网络（RNN）进行长期水平规划以实现高效推理时间。在 Highway-Env 软件包上的实验结果展示了其在安全意识下的驾驶计划能力，与 SOTA 基线方法相比碰撞率显著降低。
引用
@article{arxiv.2601.01577,
title = {HanoiWorld : A Joint Embedding Predictive Architecture BasedWorld Model for Autonomous Vehicle Controller},
author = {Tran Tien Dat and Nguyen Hai An and Nguyen Khanh Viet Dung and Nguyen Duy Duc},
journal= {arXiv preprint arXiv:2601.01577},
year = {2026}
}