Fast-JEPA

Fast-JEPA ist ein Planungsverfahren mit einem latenten Weltmodell für visuelle Ziele. Es erstellt aus Beobachtungs- und Zielbild einen Referenzplan und vergleicht Kandidaten anhand direkt vorhergesagter Endzustände. Die Autoren berichten im Mittel 96,50 % Erfolg in vier Simulationsaufgaben.

Vollständige Modellbeschreibung ansehen

Latenzarme Planung von Aktionsfolgen anhand eines Zielbilds in der Simulation.

Publikationen (1)

Fast-JEPA: Besseres Verhältnis von Erfolgsrate und Latenz für latente Weltmodelle

Fachartikel verfügbar

Fast-JEPA: Advancing the Success–Latency Frontier for Latent World Models

arXiv: 2611.25927
Autoren und Einrichtungen (7)

Autorenreihenfolge: Originalreihenfolge

  1. Yao Zhang

    Wuhan University · Zhongguancun Academy · DeepCybo

  2. Bin Yu

    Harbin Institute of Technology · Zhongguancun Academy

  3. Shijie Lian

    Huazhong University of Science and Technology · Zhongguancun Academy

  4. Haishan Liu

    Nanjing University · Zhongguancun Academy

  5. Changti Wu

    East China Normal University · Zhongguancun Academy

  6. Yu Wucorresponding_author

    Wuhan University

  7. Kai Chencorresponding_author

    Zhongguancun Academy · Zhongguancun Institute of Artificial Intelligence · DeepCybo

Erstveröffentlichung
2026-11-20
Neueste Revision
v1
Konferenz / Zeitschrift
Nicht angegeben

Abgedeckte Modellversionen

Zugang und Nutzung

Trainings- / Fine-Tuning-Code

Zugang
Nicht öffentlich verfügbar

QuelleGeprüft am · 2026-11-22

Veröffentlichungsangaben

QuelleGeprüft am · 2026-11-22

Vor der Bereitstellung prüfen

Die Ergebnisse stammen aus Simulationen. Die Veröffentlichung von Implementierung, Gewichten und DynaGoal-Auswertungsdateien steht aus. Verfügbare Gewichte oder Code belegen keine sofortige Roboterkompatibilität. Prüfen Sie Konfiguration, Daten und Schnittstellen in der Quelldokumentation.

Architektur und Ein-/Ausgaben

Modelltyp
Weltsimulation
Architektur
Transformer
Backbone
ViT-Tiny-Bildencoder
Eingabe
Zielbild / RGB-Bilder

Einsatzbereich und Training

Funktionsbereich

Aufgabenplanung / Weltzustandsvorhersage

Ausgabe

Aktionen / Schlussfolgern / Pläne

Vorhersageausgabe

192-dimensionaler latenter Zustand

Training

Imitationslernen

Evaluationsergebnisse

Keine verifizierten unabhängigen Evaluationen für diese Version oder die ausgewählten Gewichte erfasst.

Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert

Simulation mit vier Standardaufgaben · Simulation mit vier Standardaufgaben ↗

Mittlere Erfolgsrate: 96.5 %

NVIDIA RTX PRO 6000 Blackwell Server Edition

100 Episoden je Aufgabe und drei unabhängig trainierte Modelle. Vollständige Planung nach Aufwärmen mit Batchgröße 1.

Fast-JEPA · Simulation mit vier Standardaufgaben · PushT / Reacher / Cube / TwoRoom

Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert

Simulation mit vier Standardaufgaben · Simulation mit vier Standardaufgaben ↗

Mittlere Dauer der vollständigen Planung: 10.88 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

100 Episoden je Aufgabe und drei unabhängig trainierte Modelle. Vollständige Planung nach Aufwärmen mit Batchgröße 1.

Fast-JEPA · Simulation mit vier Standardaufgaben · PushT / Reacher / Cube / TwoRoom

Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert

DynaGoal · Wechselnde Bedingungen ↗

Mittlere Erfolgsrate: 73.83 %

NVIDIA RTX PRO 6000 Blackwell Server Edition

100 Fälle je Bedingung, drei Modelle aus den Originalaufgaben. Die gemessene Planungsverzögerung bestimmt den Verfügbarkeitszeitpunkt im Simulator.

Fast-JEPA · Wechselnde Bedingungen · PushT / Reacher / Cube / TwoRoom

Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert

DynaGoal · Wechselnde Bedingungen ↗

Mittlere Dauer der vollständigen Planung: 13.42 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

100 Fälle je Bedingung, drei Modelle aus den Originalaufgaben. Die gemessene Planungsverzögerung bestimmt den Verfügbarkeitszeitpunkt im Simulator.

Fast-JEPA · Wechselnde Bedingungen · PushT / Reacher / Cube / TwoRoom

Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert

DynaGoal · Ausführungsfrist ↗

Mittlere Erfolgsrate: 87.67 %

NVIDIA RTX PRO 6000 Blackwell Server Edition

100 Fälle je Bedingung, drei Modelle aus den Originalaufgaben. Die Frist umfasst die tatsächliche Planungs- und Ausführungsdauer.

Fast-JEPA · Ausführungsfrist · PushT / Reacher / Cube / TwoRoom

Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert

DynaGoal · Ausführungsfrist ↗

Mittlere Dauer der vollständigen Planung: 13.75 ms

NVIDIA RTX PRO 6000 Blackwell Server Edition

100 Fälle je Bedingung, drei Modelle aus den Originalaufgaben. Die Frist umfasst die tatsächliche Planungs- und Ausführungsdauer.

Fast-JEPA · Ausführungsfrist · PushT / Reacher / Cube / TwoRoom

Alle Parameter und Prüfhinweise (Modellkarte)

Aus Vorhersagen von Zwischenergebnissen entsteht eine Referenz-Aktionsfolge. Die Cross-Entropy-Methode (CEM) verfeinert die Kandidaten, deren vorhergesagter latenter Endzustand mit dem Zielbild verglichen wird. Der Planer führt den Anfang der gewählten Folge aus und plant erneut.

Tabelle 1 meldet für PushT, Reacher, Cube und TwoRoom im Mittel 96,50 % Erfolg (Standardabweichung 0,66 Prozentpunkte) und 10,88 ± 0,04 ms für die vollständige Planung. Der lokal gemessene INTACT-Vergleich lag bei 26,19 ± 0,22 ms, einem Zeitverhältnis von rund 2,41. Gemessen wurde nach Aufwärmen mit Batchgröße 1 auf einer NVIDIA RTX PRO 6000 Blackwell Server Edition. Die Auswertung nutzte 100 Episoden pro Aufgabe und drei unabhängig trainierte Modelle.

DynaGoal prüft wechselnde Ziele oder Geometrien (Shift), Ausführungsfristen (Deadline) und kontrollierte Antwortverzögerungen (Delay). Ohne benchmarkspezifisches Feintuning lag die mittlere Erfolgsrate bei 73,83 % für Shift und 87,67 % für Deadline.

Quelle oder Korrektur einreichen