基于 JEPA 世界模型的值导向动作规划
机器学习
2026-01-06 v1 人工智能
机器人学
摘要
构建能够推理环境的数深学习模型需要捕捉其底层动态。联合嵌入预测架构（Joint-Embedded Predictive Architectures, JEPA）通过自监督预测目标学习表示与预测器，为建模此类动态提供了可行框架。然而，其在有效动作规划方面的能力仍有限。我们提出一种方法，通过塑造表示空间来增强 JEPA 世界模型的规划能力：使给定环境中特定到达成本的负目标条件价值函数近似于状态嵌入之间距离（或准距离）。我们引入一种在训练过程中强制执行此约束的实用方法，证明其在简单控制任务上显著优于标准 JEPA 模型。
引用
@article{arxiv.2601.00844,
title = {Value-guided action planning with JEPA world models},
author = {Matthieu Destrade and Oumayma Bounou and Quentin Le Lidec and Jean Ponce and Yann LeCun},
journal= {arXiv preprint arXiv:2601.00844},
year = {2026}
}
备注
Presented as a poster at the World Modeling Workshop 2026, Mila