DeepJEPA：按需分配内部计算的世界模型规划器

2026年10月2日，arXiv cs.RO 报道了 DeepJEPA，一种权重共享的联合嵌入预测世界模型规划器。它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，从而在决策关键处加深内部计算。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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。