← 世界模型 / 从表征到预测

2026 预印本 / World Models

LeWorldModel

LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels

arXiv · 2026

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
预测损失与高斯正则共同训练LeWorldModel · 原文 Fig. 1 · p.1 ↗

编码器与动作条件预测器端到端训练;下一帧特征预测损失配合 SIGReg,约束潜表示并防止塌缩。

  1. 01编码连续帧
  2. 02预测下一帧表征
  3. 03施加 SIGReg 正则
LeWorldModel预测损失与高斯正则共同训练
预测损失与高斯正则共同训练

编码器与动作条件预测器端到端训练;下一帧特征预测损失配合 SIGReg,约束潜表示并防止塌缩。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

通过预测目标与表征正则化,训练端到端的联合嵌入世界模型。

WHY READ IT

为什么放在这条路线

有项目页和公开实现,可与冻结编码器的 DINO-WM 对照研究表征学习方式。

当前阶段从表征到预测 ↗

表征目标如何影响奖励、动力学和控制?

READ WITH A QUESTION

读的时候,留意什么

尚按预印本收录;重点检查防止表征坍缩的设计、数据范围和真实规划评估。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器