SWIM：从行为中学习状态权重以训练JEPA世界模型

2026年10月28日arXiv Robotics报道，Jiaming Hu等作者提出SWIM（State Weighting with Inverse-Dynamics Model）方法，用于改进JEPA世界模型的状态监督训练。该方法通过逆动力学模型，从当前状态与观测到的未来位移预测记录动作，从而从离线轨迹中学习状态特征权重，替代手工选择或均匀加权。报道称，在五个仿真机器人操作任务上，SWIM相比均匀状态加权均取得更高的规划成功率。报道还称，逆动力学模型仅在训练阶段使用，所得世界模型部署时仍只从图像规划，不增加规划时的额外计算。目前进展限于上述仿真任务验证，报道未提及真实机器人实验或与其他加权方案的比较。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。