LeWorldModel：具备物理直觉的极简世界模型

LeWorldModel (LeWM) 是一种创新的端到端联合嵌入预测架构（JEPA），旨在直接从原始像素学习潜空间世界模型。与依赖复杂启发式算法或预训练编码器的传统方法不同，该模型仅通过预测损失和一种名为 SIGReg 的高斯分布正则化项来防止表征崩溃。这种设计极大地简化了训练过程，将可调参数减少至一个，并实现了在单块 GPU 上的高效训练。在 2D 和 3D 控制任务的评估中，LeWM 展示了卓越的性能，其规划速度比基于基础模型的同类架构快出 48 倍。此外，该模型能够有效捕捉物理规律，并具备检测物理不合理事件的“惊讶”评估能力。总而言之，这项研究为构建低成本、高效率且具备物理直觉的通用人工智能体提供了新的路径。