论文页面 - Fast-LeWorldModel

来源：https://huggingface.co/papers/2606.26217

摘要

Fast-LeWM 通过将自回归展开替换为并行动作前缀预测来加速视觉规划，从而降低计算成本并减少长期预测中的延迟累积。

联合嵌入预测架构（https://huggingface.co/papers?q=Joint-Embedding%20Predictive%20Architectures）（JEPA），包括最新的 LeWorldModel（https://huggingface.co/papers?q=LeWorldModel）（LeWM），已成为无重建视觉世界模型的有前景基础。然而，在视觉规划（https://huggingface.co/papers?q=visual%20planning）中，LeWM 通过反复应用局部单步潜在转移模型（https://huggingface.co/papers?q=latent%20transition%20model）来评估候选动作序列。这种自回归展开（https://huggingface.co/papers?q=autoregressive%20rollout）使得规划计算成本高昂，并且随着规划时域的增长，预测轨迹会累积潜在误差。我们提出 Fast-LeWorldModel（https://huggingface.co/papers?q=LeWorldModel）（Fast-LeWM），一种快速潜在世界模型（https://huggingface.co/papers?q=latent%20world%20model），它用动作前缀预测（https://huggingface.co/papers?q=action-prefix%20prediction）替代重复的局部展开。给定当前潜在状态和候选动作序列，Fast-LeWM 编码其前缀，并并行预测执行这些前缀后所到达的未来潜在状态。通过将动作前缀作为基本预测单元，Fast-LeWM 直接建模了动作效果在不同时域上的累积程度。这种前缀级监督（https://huggingface.co/papers?q=prefix-level%20supervision）迫使模型学习状态如何在不同动作前缀下连续演化，而不仅仅是拟合单步状态转移。在规划过程中，预测器可以直接使用编码动作序列中的最后一个前缀 token 来评估对应的未来潜在状态，而无需显式遍历每个中间想象状态。在多个任务中，Fast-LeWM 相比 LeWM 提高了平均成功率，同时大幅减少了规划时间，实现了更低的开环潜在损失（https://huggingface.co/papers?q=open-loop%20latent%20loss），且其增长随着展开时域的增加而显著变慢。

查看 arXiv 页面（https://arxiv.org/abs/2606.26217）查看 PDF（https://arxiv.org/pdf/2606.26217）GitHub（https://github.com/Yuntian-Gao/Fast-LeWorldModel）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.26217）

在你的 agent 中获取这篇论文：

hf papers read 2606.26217

没有安装最新 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用这篇论文的模型 0

暂无模型关联这篇论文

在模型的 README.md 中引用 arxiv.org/abs/2606.26217 即可从本页链接。

引用这篇论文的数据集 0

暂无数据集关联这篇论文

在数据集的 README.md 中引用 arxiv.org/abs/2606.26217 即可从本页链接。

引用这篇论文的 Spaces 0

暂无 Space 关联这篇论文

在 Space 的 README.md 中引用 arxiv.org/abs/2606.26217 即可从本页链接。

包含这篇论文的收藏集 0

暂无收藏集包含这篇论文

将这篇论文添加到收藏集（https://huggingface.co/new-collection）即可从本页链接。