拓展JEPA至受控世界模型,清华团队揭示物理状态与动作转移的可辨识条件
拓展JEPA至受控世界模型,清华团队揭示物理状态与动作转移的可辨识条件世界模型是物理原生智能(Physics-native Intelligence,Phi)重要的组成环节。
搜索
世界模型是物理原生智能(Physics-native Intelligence,Phi)重要的组成环节。
千诀科技联合清华大学团队,为神经网络提出了一把新的 “复杂度标尺”。
浙江大学、清华大学智能产业研究院、影溯 InSpatio、RoboParty Lab 等团队提出的 INTACT(INtent-To-ACTion),一种基于端到端 JEPA 的无搜索世界模型控制方法,试图改变这一范式:直接利用离线轨迹中已有的状态、动作与未来结果,将运动意图转化为动作模型可以读取的语义接口,使模型无需搜索候选动作序列,就能直接生成动作计划
今天,AI 创业圈格外热闹 —— 贾扬清、吴恩达以及 Sonia Joseph( Meta FAIR JEPA 团队核心研究员)在同一天官宣创业。
JEPA世界模型的底层是Yann LeCun自2017年起持续倡导的自监督学习(Self-Supervised Learning, SSL)。
最近,AI虚拟细胞(AIVC)赛道,迎来关键突破!作为全球最早布局该领域的企业之一,百曜科技正式发布全球首个基于LLM-JEPA架构的AI虚拟细胞世界模型——AURA CellOS。
刚刚,纽约大学联合LeCun初创AMI带来JEPA系列的最新成果——AdaJEPA。与过去在预训练结束后就冻结参数的世界模型不同,AdaJEPA能够在与环境交互中,基于测试时自适应(Test-Time Adaptation, TTA),实时调整世界模型的编码器和预测器参数,从而实现持续学习。
Yann LeCun的JEPA架构很可能不会work,但至少证明了隐空间比像素或文本空间具备更强的泛化能力;
图灵奖得主杨立昆提出的JEPA世界模型理论,终于在敏捷无人机机载高频控制场景完成工程落地了。
依赖于有限机器人数据和大量人类数据,也能让 VLA 模型更稳健吗?