LeWAM：端到端JEPA世界与动作建模
热点事件观察中
LeWAM：端到端JEPA世界与动作建模
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Minghao Fu 等作者发布论文提出 LeWAM，一种端到端 JEPA 控制方法。它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，也能借助学到的隐动力学采样动作进行规划。 论文报告称，在视觉规划任务上，LeWAM 将接触密集任务成功率从 28.6% 提升至 89.7%，长时程任务从 10.9% 提升至 46.2%，规划速度提升 32.3 倍；在仿真与真实机器人的行为克隆任务中，其表现与现有方法相当。
AI 根据报道生成 · 1 天前更新
最新进展10月12日 12:00
LeWAM：用 JEPA 实现端到端世界模型与动作建模报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AILeWAM：用 JEPA 实现端到端世界模型与动作建模
LeWAM 是端到端 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，也能借助学到的隐动力学采样动作进行高效规划。在视觉规划任务上，其成功率从 28.6% 提升至 89.7%（接触密集任务）、从 10.9% 提升至 46.2%（长时程任务），规划速度提升 32.3 倍，并在仿真与真实机器人的行为克隆任务中与现有方法相当。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- -51%
02.557.510
18:0010月13日06:0012:00
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。