Buchumschlag

Value-guided action planning with JEPA world models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Destrade, Matthieu, Bounou, Oumayma, Lidec, Quentin Le, Ponce, Jean, LeCun, Yann
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What Drives Success in Physical Planning with Joint-Embedding Predictive World Models?
von: Terver, Basile, et al.
Veröffentlicht: (2025)

LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels
von: Maes, Lucas, et al.
Veröffentlicht: (2026)

LeJEPA: Provable and Scalable Self-Supervised Learning Without the Heuristics
von: Balestriero, Randall, et al.
Veröffentlicht: (2025)

Closing the Train-Test Gap in World Models for Gradient-Based Planning
von: Parthasarathy, Arjun, et al.
Veröffentlicht: (2025)

Causal-JEPA: Learning World Models through Object-Level Latent Masking
von: Nam, Heejeong, et al.
Veröffentlicht: (2026)

Fast and Exact Enumeration of Deep Networks Partitions Regions
von: Balestriero, Randall, et al.
Veröffentlicht: (2024)

Navigation World Models
von: Bar, Amir, et al.
Veröffentlicht: (2024)

Learning by Reconstruction Produces Uninformative Features For Perception
von: Balestriero, Randall, et al.
Veröffentlicht: (2024)

Whole-Body Conditioned Egocentric Video Prediction
von: Bai, Yutong, et al.
Veröffentlicht: (2025)

DINO-WM: World Models on Pre-trained Visual Features enable Zero-shot Planning
von: Zhou, Gaoyue, et al.
Veröffentlicht: (2024)

Semantic Tube Prediction: Beating LLM Data Efficiency with JEPA
von: Huang, Hai, et al.
Veröffentlicht: (2026)

LLM-JEPA: Large Language Models Meet Joint Embedding Predictive Architectures
von: Huang, Hai, et al.
Veröffentlicht: (2025)

JEPA as a Neural Tokenizer: Learning Robust Speech Representations with Density Adaptive Attention
von: Ioannides, Georgios, et al.
Veröffentlicht: (2025)

stable-worldmodel: A Platform for Reproducible World Modeling Research and Evaluation
von: Maes, Lucas, et al.
Veröffentlicht: (2026)

V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning
von: Assran, Mido, et al.
Veröffentlicht: (2025)

Revisiting Feature Prediction for Learning Visual Representations from Video
von: Bardes, Adrien, et al.
Veröffentlicht: (2024)

Parallel Stochastic Gradient-Based Planning for World Models
von: Psenka, Michael, et al.
Veröffentlicht: (2026)

Improving planning and MBRL with temporally-extended actions
von: Chatterjee, Palash, et al.
Veröffentlicht: (2025)

Accelerating trajectory optimization with Sobolev-trained diffusion policies
von: Hellard, Théotime Le, et al.
Veröffentlicht: (2026)

Gaussian Embeddings: How JEPAs Secretly Learn Your Data Density
von: Balestriero, Randall, et al.
Veröffentlicht: (2025)

Light-weight probing of unsupervised representations for Reinforcement Learning
von: Zhang, Wancong, et al.
Veröffentlicht: (2022)

Label-Efficient Grasp Joint Prediction with Point-JEPA
von: Guzelkabaagac, Jed, et al.
Veröffentlicht: (2025)

Temporal Straightening for Latent Planning
von: Wang, Ying, et al.
Veröffentlicht: (2026)

Learning and Leveraging World Models in Visual Representation Learning
von: Garrido, Quentin, et al.
Veröffentlicht: (2024)

stable-worldmodel-v1: Reproducible World Modeling Research and Evaluation
von: Maes, Lucas, et al.
Veröffentlicht: (2026)

Blockwise Self-Supervised Learning at Scale
von: Siddiqui, Shoaib Ahmed, et al.
Veröffentlicht: (2023)

General agents contain world models
von: Richens, Jonathan, et al.
Veröffentlicht: (2025)

AAC: Admissible-by-Architecture Differentiable Landmark Compression for ALT
von: Le, An T., et al.
Veröffentlicht: (2026)

Variance-Covariance Regularization Improves Representation Learning
von: Zhu, Jiachen, et al.
Veröffentlicht: (2023)

Transformers without Normalization
von: Zhu, Jiachen, et al.
Veröffentlicht: (2025)

Physics-model-guided Worst-case Sampling for Safe Reinforcement Learning
von: Cao, Hongpeng, et al.
Veröffentlicht: (2024)

DIAR: Diffusion-model-guided Implicit Q-learning with Adaptive Revaluation
von: Park, Jaehyun, et al.
Veröffentlicht: (2024)

Using large language models for embodied planning introduces systematic safety risks
von: Zhang, Tao, et al.
Veröffentlicht: (2026)

Dynamic Neural Curiosity Enhances Learning Flexibility for Autonomous Goal Discovery
von: Houbre, Quentin, et al.
Veröffentlicht: (2024)

Hierarchical World Models as Visual Whole-Body Humanoid Controllers
von: Hansen, Nicklas, et al.
Veröffentlicht: (2024)

Introduction to Latent Variable Energy-Based Models: A Path Towards Autonomous Machine Intelligence
von: Dawid, Anna, et al.
Veröffentlicht: (2023)

Attention Sinks and Compression Valleys in LLMs are Two Sides of the Same Coin
von: Queipo-de-Llano, Enrique, et al.
Veröffentlicht: (2025)

Dynamic planning in hierarchical active inference
von: Priorelli, Matteo, et al.
Veröffentlicht: (2024)

Intercepting Unauthorized Aerial Robots in Controlled Airspace Using Reinforcement Learning
von: Giral, Francisco, et al.
Veröffentlicht: (2024)

Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science
von: Dupoux, Emmanuel, et al.
Veröffentlicht: (2026)