arXiv cs.RO· Zijian Jin, Yunbei Zhang, Yuanzhe Liu, Ming Liu, Baian Chen, Weirui Ye, Shilong Liu, Marco Pavone·· 2 小时前AI 评分58
DeepJEPA：在决策关键处加深的世界模型规划器
DeepJEPA: Scaling World Models from Within
AI 导读
DeepJEPA 是一种权重共享的联合嵌入预测世界模型，把转移深度作为测试时扩展的内层维度，学习判断每个候选与 rollout 步骤是否值得再做一次循环更新。在五个视觉控制设置中，它达到或超过最强固定深度规划器，平均每个转移仅需 1.00-1.26 次更新，额外计算集中在接触发生和持续物体交互阶段。表征探针显示，规划改善并不要求物体状态解码能力整体提升。
来源：arXiv cs.RO · arxiv.org