TAG:JEPA

杨立昆（Yann LeCun）团队提出的AdaJEPA研究，将JEPA世界模型从传统的“训练后冻结”转变为任务执行中的动态自适应系统。通过规划-执行-观测-适应的闭环机制，利用实时状态转移进行轻量梯度更新，有效弥合模型预测与物理现实的差距。本文澄清了论文在仿真验证、计算开销等方面的常见误读，深入剖析其技术原理、工程挑战及对物理AI泛化能力的潜在价值，为机器人领域世界模型的演进提供了清晰解读。

具身研习社

2026-08-03 21:10

4

·

0

本文介绍了VLA-JEPA，一个创新的Vision-Language-Action模型预训练框架，它借鉴Yann LeCun提出的JEPA方法，在潜在表征空间中学习预测世界状态变化，而非像素级重建。该框架能有效利用有限机器人数据和丰富人类视频，关注动作导致的状态转移，减少视觉噪声影响。VLA-JEPA仅使用13条轨迹即可完成任务，展示了在少数据下的稳健性，并获得LeCun和谢赛宁的转发关注，为机器人学习提供了新思路。

具身研习社

2026-06-24 11:59

12

·

0

华为系具身智能公司具脑磐石完成新一轮亿元级融资，专注于类脑智能和认知世界模型研发。公司以JEPA架构为对标，旨在构建面向物理世界的认知模型，推动机器人从动作智能向认知智能进化。创始人朱森华拥有华为背景，融资将加速技术落地和市场拓展，解决数据泛化等具身智能瓶颈。

资讯中国

2026-05-27 11:08

96

·

0

本文基于图灵奖得主杨立昆的深度访谈，探讨了他对当前大语言模型（LLM）技术路线的批评。杨立昆指出LLM的自回归架构限制了推理能力，并提出了以视觉为基础的世界模型作为替代方案。他介绍了JEPA架构，该架构在抽象表示空间中进行预测，旨在实现更高效的具身智能。文章分析了这些观点对AI行业未来发展的潜在影响。

机器人大讲堂

2026-05-26 10:20

3

·

0