@mengyer: 新研究:AdaJEPA在闭环中感知、规划并自适应。它始终在学习!
摘要
介绍了AdaJEPA,一个自适应世界模型,通过感知、规划和行动在闭环中持续学习。
新研究:AdaJEPA在闭环中感知、规划并自适应。它始终在学习!
查看缓存全文
缓存时间: 2026/07/06 02:00
新研究:AdaJEPA 在闭环中感知、规划并自适应。它始终在学习!
Ying Wang✈️ ICML (@yingwww_): 温和观点:你的世界模型永远不应停止学习
引入 AdaJEPA,一个在闭环中规划、行动并自适应的世界模型(WM)。每个动作都带来新的观察,每次转变都优化潜在表示与预测。
📝:
相似文章
@yingwww_: 温暖提示:你的世界模型永远不应该停止学习。介绍AdaJEPA,一个自适应的世界模型,可以规划、行动和适应……
AdaJEPA引入了一种自适应的潜在世界模型,该模型在测试期间通过闭环模型预测控制持续更新,显著提高了分布偏移下的规划成功率。
@LiorOnAI:大多数支撑智能体的模型在运行时并不学习。你训练它们,冻结权重,然后部署。每次……
介绍了AdaJEPA,一种自适应世界模型,在部署期间持续学习并更新其潜在表征,使智能体能够根据真实世界观测调整计划,无需重新训练或记忆技巧。
D-JEPA:一种决策对齐的潜在世界模型
D-JEPA 是一种决策对齐的潜在世界模型,它学习候选未来之间的决策相关关系,以改善操作和自动驾驶等任务中的动作选择,展示了显著的性能提升。
@MuzafferKal_: 哈密顿 JEPA:带继承控制状态的动作条件世界模型
H-JEPA 引入了一种动作条件的联合嵌入预测架构,将宽泛的感知编码与继承的控制状态分离,后者由耗散型端口-哈密顿动力学所支配;端口逆一致性作为对预测误差的一种无需参数的重新加权,在基于像素的控制基准上与 Delta-JEPA 等基线持平或更优。
Delta-JEPA: 通过潜在差异解码学习动作敏感的世界模型
Delta-JEPA 引入了一种无重建的世界模型,通过潜在差异动作解码器增强潜在前向预测,以防止崩溃并提高动作敏感性,从而在视觉连续控制任务上实现更好的规划性能。