新的“到达目标时间”指标通过JEPA世界模型提升AI规划能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-05 05:00

研究人员引入了“到达目标时间”（Time-to-Goal, T2G）这一新颖的指标，旨在增强使用联合嵌入预测架构（JEPAs）的AI系统的长时规划能力。标准的JEPA在时间排序方面可能存在困难，导致距离目标不同时间距离的状态具有相似的成本。T2G通过从离线轨迹中学习显式的时间排序来解决这个问题，鼓励更接近目标的状体具有更低的成本，而无需奖励信号或策略标签。当集成到扁平的LeWorldModel中时，T2G在导航和操作任务的规划成功率方面得到了显著提升，优于现有的分层JEPA基线。 AI

影响增强AI系统的长时规划能力，可能提高复杂机器人和导航任务的性能。

排序理由详细介绍AI规划新方法的学术论文。[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 →

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍AI规划新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Ruilong Yu, Fei Ye · 2026-11-05 05:00

Time-to-Goal：用于 JEPA 世界模型的长时规划的学习时间度量

arXiv:2611.05847v1 Announce Type: cross Abstract: Joint-Embedding Predictive Architectures (JEPAs) support planning by comparing predicted latent states with an encoded goal. For this comparison to guide temporal progress, states closer in time to the goal should receive lower co…

本文如何被排名

报道来源 [1]

Time-to-Goal：用于 JEPA 世界模型的长时规划的学习时间度量

相关实体

相关话题