PulseAugur
中
实时 09:25:16
English(EN) Is Forward Prediction Enough? Physical State Grounding for JEPA World Models

新的JEPA世界模型增强了机器人学的物理状态接地

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了PSG-JEPA，一种基于JEPA的世界模型的新型物理接地方法。该方法通过在训练期间引入两个额外的接地目标来增强潜在表征：一个将个体潜在表征与机器人本体感觉状态联系起来，另一个将潜在表征对与多周期关节角度变化联系起来。这些目标旨在提高物理状态和状态变化的识别度，这对于下游规划和策略性能至关重要。在潜在识别度、目标条件规划和策略学习方面的实验表明，PSG-JEPA的性能始终优于现有的潜在世界模型基线。 AI

影响 改进了机器人中心物理状态的潜在表征接地，可能增强机器人学的规划和策略性能。

排序理由 该集群包含一篇详细介绍世界模型新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的JEPA世界模型增强了机器人学的物理状态接地

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Haodong Yan, Jiaguan Zhu, Mingyuan Jia, Ruiqing Yin, Junjie He, Zhide Zhong, Junfeng Li, Jinxuan Lu, Hengtao Li, Tianran Zhang, Jiayi Chen, Wenxuan Song, Wen Chen, Yuxiang Gao, Haoang Li ·

    前向预测是否足够？JEPA世界模型的物理状态接地

    arXiv:2608.06799v1 Announce Type: cross Abstract: Learning structured and control-relevant latent representations remains a key challenge for world models. Recent JEPA-based world models learn action-conditioned predictive latent dynamics from observation sequences. However, thei…

相关实体

相关话题