LeJEPA何时学习世界模型？

David Klindt, Yann LeCun, Randall Balestriero

2026

摘要

本文证明了LeJEPA（对齐加高斯正则化）在广泛的一类世界中能够线性恢复潜在变量，实现线性可识别性，其中高斯分布是唯一保证此性质的潜在分布。理论结果进一步支持了最优潜在空间规划，并通过从2D到1024维潜在变量的实验验证，包括基于像素的机器人控制。

world modelidentifiabilityrepresentation learningGaussian regularizationplanning

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026