header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
扫码下载APP
Partnered With:

杨立昆让世界模型学会复盘:机器人失败是动作选错,还是运气太差?

动察 Beating AI 快讯,杨立昆创办的 AMI Labs 联合布朗大学研究人员发表新论文《Counterfactual World Models》,让 JEPA 世界模型能够根据一次行动的真实结果,推算如果当时换个动作,能否避免失败。这种能力叫「反事实推演」。

比如,机器人要把货物送到指定位置,却被一阵风吹偏了。它怎么判断是自己选错了方向,还是风太大导致任务失败?普通世界模型能预测不同动作通常会带来什么结果,却不知道这一次风造成了多大影响。

新方法利用实际结果与原先预测的偏差,估算这次外部干扰的影响,再推算如果当时选择其他动作,结果会有什么不同。整个过程只需调用已有预测器两次,不用额外训练反事实模型。机器人便可以事后判断,换个动作是否有机会完成目标。

在四个物理仿真环境中,团队报告,模型事后找到本可完成目标的动作的比例达到 35%–69%,对照方法只有 14%–23%。即使对照方法知道仿真环境的真实物理规则,只要不知道这次实际发生的干扰,表现仍然落后。

不过,这种方法要求动作和外部干扰的影响大致可以叠加。如果发生碰撞,或者电机故障使不同指令受到的影响不同,预测就可能失准。目前研究仍限于仿真环境,尚未验证真实机器人的实际控制效果。

AI 解读
杨立昆的 AMI Labs 联合布朗大学发表《Counterfactual World Models》,让 JEPA 仅凭一次真实观测推算换一种动作的结果:反事实预测 R² 从 38%–46% 升至 86%–96%,事后规划命中可行动作的比例 35%–69%,对照方法仅 14%–23%。

这是 AMI 今年第三条 JEPA 线:3 月 LeWorldModel 打通端到端训练,5 月 stable-worldmodel 做标准化复现,10 月 H-JEPA 拆分规划层级,如今补上反事实。公司 3 月完成 10.3 亿美元融资、投前估值 35 亿美元,路线与 LLM 主赛道分道。

论文自设的前提更值得看:动作与外部干扰需大致可叠加,碰撞或电机故障下预测会失准,全部结果仍限于仿真,真机控制未验证。
展开
举报 纠错/举报

全球市场热点不用到处刷,消息送到你眼前

加入律动飞书频道
纠错/举报
提交
新增文库
仅自己可见
公开
保存
选择文库
新增文库
取消
完成