TECHNOLOGY · 技术
世界模型
LeWAM提出端到端JEPA世界动作建模框架，17M参数联合学习表征与策略
LeWAM以约17M参数实现视觉表征、动作潜空间动力学与随机策略的单阶段联合训练，在10个仿真环境中性能领先。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
论文《LeWAM: End-to-End World and Action Modeling with JEPAs》由Minghao Fu、Tavis Siebert、Eryk Halicki、Randall Balestriero完成，代码库暂未公开。
该工作提出端到端指「从眼睛到手」由一个 AI 模型直接完成的技术路线：输入画面和指令，直接输出动作，中间不再由工程师人工拆分步骤。◆ 小白科普 · 现身JEPA世界动作建模框架LeWAM，参数规模约17M。此前同类方法通常将视觉表征、动作条件潜空间动力学与策略学习分散处理，LeWAM首次将三者纳入单阶段联合训练。在10个仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身环境中，该方法性能全面领先。
该框架同时学习世界表征、动作动力学与随机策略，为具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身中的世界模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身与动作控制提供了一种轻量化路径。目前论文已公开，代码尚未发布。