跳到正文
热点事件持续更新

LeWAM：JEPA潜变量上的双向世界动作模型

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Shashank Hegde 等提出 LeWAM，一种在无解码器 JEPA 潜空间上运行的双向 Transformer 世界动作模型，端到端训练同时覆盖正向、逆向动力学与策略预测四种模式。 线性探针从其潜变量读取机器人与物体状态优于仅正向的 Le World Model，并能像 LeWM 一样忽略视觉干扰。闭环评估中，LeWAM 与在相同编码器、相同规模下训练的 flow-matching 策略持平，同时额外提供世界模型；在策略头的噪声空间中规划可改善这类世界动作模型的闭环性能。

AI 根据报道生成 · 3 小时前更新

最新进展10月9日 12:00
LeWAM：基于扩散引导 MPC 的 JEPA 世界动作模型

报道时间线

沿着报道，了解事件的不同侧面。

10月9日
  1. arXiv cs.RO 机器人学
    LeWAM：基于扩散引导 MPC 的 JEPA 世界动作模型

    LeWAM 提出一种基于 JEPA 潜变量的双向 Transformer 世界动作模型，同时支持正向、逆向动力学与策略预测，端到端训练覆盖四种模式。线性探针从其潜变量读取机器人与物体状态优于仅正向的 Le World Model，且能像 LeWM 一样忽略视觉干扰。闭环评估中 LeWAM 与同编码器、同规模的 flow-matching 策略持平，同时在策略头噪声空间规划可改善 MPC 闭环性能。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月9日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。