Delta-JEPA: 通过潜在差异解码学习动作敏感的世界模型

arXiv 2026 43 method

TLDR

Delta-JEPA通过从潜在差异解码动作来学习动作敏感的世界模型，避免像素重建并改进连续控制中的规划。

评分理由

The paper introduces a novel method to prevent action-insensitive representations in world models by supervising latent displacements, which is simple and effective. However, it is only evaluated on simulated continuous-control tasks, lacking real-world validation.

Read-first 评分解释

综合优先阅读分 43，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：消融、基线、结果

主题相关性 29%

61.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：330。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

interactive world model

video world model

world simulator

generative world model

深度分析

创新点

潜在差异动作解码器（LDAD），从连续观测之间的潜在位移重建动作，而非从拼接的端点嵌入重建。
位移级监督，正则化转移几何以防止表示坍缩，并鼓励动作可区分的潜在变化。
无重建的世界模型（Delta-JEPA），仅使用潜在预测和动作重建，避免像素重建和分布匹配正则化器。

方法

Delta-JEPA是一种端到端无重建的世界模型，结合了潜在前向预测和潜在差异动作解码器（LDAD），该解码器经过训练从连续观测之间的潜在位移重建动作。它仅使用潜在预测和动作重建损失进行训练，无需像素重建或分布匹配。该模型在四个视觉连续控制任务上，与基于JEPA和表示学习的基线世界模型进行了评估，并通过消融实验比较了基于位移与端点拼接的解码方式。

关键结果

Delta-JEPA在四个视觉连续控制任务上，相比基于JEPA和表示学习的基线世界模型改进了规划性能。基于位移的动作解码始终比端点拼接更有效，动作敏感性分析显示出更清晰的动作条件潜在响应。

资源

论文