杨立坤4年前的构想交卷：H-JEPA迷宫成功率从18%升至73%

杨立坤创办的 AMI Labs 联合多所高校公布 H-JEPA，一种能够分层预测未来、规划动作的世界模型。高层负责远期目标，低层负责具体动作。论文、代码和预训练权重均已公开。H-JEPA 延续了 JEPA 的思路。它先把画面转成抽象的环境特征，再结合动作预测未来状态，不必逐帧生成视频。但长期规划和眼前控制需要的信息不同。比如四足机器人走迷宫，选路线主要看位置和通道，迈腿却离不开身体姿态。单层模型用同一套特征兼顾两件事，规划越远越吃力。H-JEPA 将多个 JEPA 组成不同的规划层级。高层预测更远的未来，把中途目标交给下层，再逐步细化成具体动作。与此前各层共用同一套特征的 HWM 不同，H-JEPA 让每个层级学习自己的环境特征。在迷宫实验中，高层保留了位置信息，逐渐忽略腿部姿态等短期细节。杨立坤早在 2022 年就提出过类似构想，如今团队给出了可以端到端训练的实现方案。在 Visual AntMaze 仿真迷宫中，三个规划层级的 H-JEPA 成功率达到 73.3%，单层 LeWorldModel 为 18.0%，前者所需的规划计算量更少。不过，规划层级并非越多越好。在模拟推物体的 Push-T 任务中，三层模型反而不如两层。团队还用真实机器人录像数据集 DROID 进行了离线测试，预测动作轨迹比单层模型更接近专家示范。[原文链接](动察 Beating AI 快)