arXiv cs.RO 机器人学· Minghao Fu, Tavis Siebert, Eryk Halicki, Randall Balestriero·· 2 小时前精选AI 评分58
LeWAM：基于 JEPA 的端到端世界与动作建模方法
LeWAM: End-to-End World and Action Modeling with JEPAs
AI 导读
LeWAM 是一个端到端的 JEPA 控制模型，通过联合训练下一隐状态预测与动作流匹配，并对隐状态施加各向同性高斯约束，使单一模型既能直接执行策略，也能在隐空间中高效规划。相比此前用于视觉规划的 JEPA，LeWAM 在接触密集任务上成功率从 28.6% 提升到 89.7%，长程任务从 10.9% 提升到 46.2%，规划速度快 32.3 倍；在仿真与实体机器人的行为克隆任务上也与既有方法相当。
推荐理由
论文给出与既有 JEPA 的成功率对比和规划加速倍数，可据此评估端到端训练路线的实际收益。
来源：arXiv cs.RO 机器人学 · arxiv.org