推文

@kafkaup · 2026-10-17 12:26

📄 H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning 概述：H-JEPA通过训练一组各自在独立潜在时间尺度上进行预测的动作条件JEPA世界模型，并采用自上而下的分层规划方式，显著提升了长时程视觉规划的效果，优于单一尺度的扁平JEPA。 核心贡献：该论文提出了H-JEPA端到端训练方法，使分层JEPA世界模型的每一层都在各自学习到的潜在时间尺度上进行预测，并以自上而下的方式将各层预测作为下层规划器的子目标。 实验结果：作者报告称，在四个模拟导航与操作环境中，分层规划优于扁平JEPA；在Visual AntMaze任务上，三层分层结构在使用更少规划计算量的情况下将成功率从18%提升至73%，且该方法在DROID真实机器人视频上也提升了离线规划的准确性。

曝光 93 · 评论 2 · 点赞 0 · 书签 0 · 曝光/时 68.85964411425373